一种从哌嗪副产物中分离N-β-羟乙基乙二胺的方法

    公开(公告)号:CN101440039B

    公开(公告)日:2011-07-27

    申请号:CN200810163253.5

    申请日:2008-12-11

    Abstract: 本发明涉及一种从哌嗪副产物中分离N-β-羟乙基乙二胺的方法,所述的哌嗪副产物来自于N-β-羟乙基乙二胺催化脱水环化合成哌嗪的副产物,所述的方法为:在拆分溶剂中,哌嗪副产物与足量的酸在50-80℃下充分反应,反应结束反应液于0-30℃冷却,析出复合物晶体,过滤,取滤饼A加入重结晶溶剂重结晶,过滤,取滤饼B用浓度2%-10%的盐酸水解,静置分层,取有机层经洗涤、干燥即得单体N-β-羟乙基乙二胺;所述酸为下列之一:甲酸、乙酸、草酸、苯磺酸、盐酸、硫酸、磷酸或氢溴酸;所述的拆分溶剂、重结晶溶剂各自选自下列之一:甲醇、乙醇、水。本发明拆分的效率比较高,单体N-β-羟乙基乙二胺的收率可在80%-95%之间,其纯度在93%-99%之间。实施成本低,所用酸回收方法简单,回收率高,节省成本。

    一种分离混合甲基环己二酸的方法

    公开(公告)号:CN101723825B

    公开(公告)日:2012-08-22

    申请号:CN200910155094.9

    申请日:2009-12-21

    Abstract: 本发明公开了一种分离混合甲基环己二酸的方法,所述的方法包括以下步骤:将混合甲基环己二酸溶于拆分溶剂中,加入有机胺类化合物,搅拌下加热回流反应完全,反应结束后,反应液冷却至0~30℃,静置析出晶体,过滤得到滤饼A和滤液A,4-甲基-1,2-环己二酸留在滤液A中,滤饼A为3-甲基-1,2-环己二酸晶体粗品;所述有机胺类化合物为2-氨基吡啶、3-氨基吡啶、吡啶、2-甲基吡啶或3-甲基吡啶,所述拆分溶剂为甲醇、乙醇或水。本发明与现有技术相比,拆分的效率比较高,只需要一次结晶,每种酸的收率可在80%-95%之间,其纯度在93%-99%之间;而且分离方法简单,实施成本低,重复性好,利于工业放大。

    一种从苦参总碱中分离苦参碱和氧化苦参碱的方法

    公开(公告)号:CN101585837B

    公开(公告)日:2011-05-25

    申请号:CN200910099439.3

    申请日:2009-06-05

    Abstract: 本发明公开了一种从苦参总碱中分离苦参碱和氧化苦参碱的方法,所述的方法为:先检测苦参总碱中苦参碱的含量,将苦参总碱溶于水中,加入金属卤化物MYz和氢卤酸HN溶液,所述M为三价Fe、Cu、Zn、Al或Mn,z为M的化合价,Y、N各自独立为Cl、Br或I,在60-100℃温度下搅拌反应,反应结束后,反应液冷却至0-30℃,静置析出晶体,过滤得到滤饼A和滤液A,氧化苦参碱留在滤液A中,滤饼A为苦参碱晶体粗品。本发明的有益效果在于:拆分的效率比较高,只需要一次结晶,分离出的苦参碱和氧化苦参碱单体的收率可在90%-95%之间,其纯度在95%-99%之间。而且本发明操作简单,重复性好,实施成本低,有利于工业放大。

    一种结合道路网络拓扑结构与语义关联的拥堵指数预测方法

    公开(公告)号:CN109636049B

    公开(公告)日:2021-10-29

    申请号:CN201811552071.7

    申请日:2018-12-19

    Abstract: 一种结合道路网络拓扑结构与语义关联的拥堵指数预测方法,包括以下步骤:(1)基于道路网络的空间拓扑结构建立一个无向图;(2)首先计算道路历史拥堵指数数据间相似度,然后基于该相似度建立一个加权无向图,最后对该加权无向图进行嵌入得到表征道路的语义向量;(3)基于图卷积网络抽取短期拥堵指数变化特征,基于循环神经网络抽取长期拥堵指数变化特征,在此基础上融合道路语义向量建立预测模型。本发明同时考虑道路网络的空间拓扑关联和历史语义关联,提高了模型的预测能力;采用图卷积网络对道路网络拓扑结构建模,采用图嵌入对道路网络语义关联建模,使得道路网络拓扑结构和语义关联可以被深度神经网络处理。

    一种结合道路网络拓扑结构与语义关联的拥堵指数预测方法

    公开(公告)号:CN109636049A

    公开(公告)日:2019-04-16

    申请号:CN201811552071.7

    申请日:2018-12-19

    CPC classification number: G06Q10/04 G06N3/0454 G06N3/049 G06N3/08 G06Q50/30

    Abstract: 一种结合道路网络拓扑结构与语义关联的拥堵指数预测方法,包括以下步骤:(1)基于道路网络的空间拓扑结构建立一个无向图;(2)首先计算道路历史拥堵指数数据间相似度,然后基于该相似度建立一个加权无向图,最后对该加权无向图进行嵌入得到表征道路的语义向量;(3)基于图卷积网络抽取短期拥堵指数变化特征,基于循环神经网络抽取长期拥堵指数变化特征,在此基础上融合道路语义向量建立预测模型。本发明同时考虑道路网络的空间拓扑关联和历史语义关联,提高了模型的预测能力;采用图卷积网络对道路网络拓扑结构建模,采用图嵌入对道路网络语义关联建模,使得道路网络拓扑结构和语义关联可以被深度神经网络处理。

Patent Agency Ranking