1) aromatic carbonyl
芳香族羰基化合物
1.
Six new nitrones were prepared by using N-methylhydroxylamine sulfate and aromatic carbonyl substances with a new synthetic process introduced.
采用新的合成方法,以N 甲羟胺硫酸盐和芳香族羰基化合物为主要原料合成了6种新的硝酮化合物·并采用合适的后处理方法得到了质量分数大于95%的硝酮产品,产品收率大于90%·测定了系列硝酮化合物的熔点,通过核磁共振波谱分析表征了系列硝酮的化学结构·研究并讨论了溶剂、pH值等条件对反应体系及产物纯度和收率的影响·这种合成方法,操作简单,产品收率及产品纯度高,适用于一系列硝酮化合物的制备,是合成硝酮的理想方法
2) fluorine-containing aromatic nitro-compound
含氟芳香硝基族化合物
3) aromatic nitro compounds
芳香族硝基化合物
1.
Reduction of aromatic nitro compounds with hydrazine hydrate catalyzed by CuO-Al_2O_3 in water;
水中CuO-Al_2O_3催化水合肼还原芳香族硝基化合物
2.
In water,a series of aromatic nitro compounds have been reduced in good yield to the corresponding anilines with hydrazine hydrate in the presence of an CuO/Al2O3 catalyst prepared by rapid precipitation from solution of CuCl2and AlCl3 with sodium hydroxide.
在水中用CuO/Al2O3催化水合肼还原芳香族硝基化合物高收率得到芳胺。
3.
Under the same conditions,a few of aromatic nitro compounds were reduced to the corresponding anilines in 97.
在相同的条件下,Ni(Ⅱ)树脂催化NaBH4还原几种芳香族硝基化合物得到相应的芳胺,收率97。
4) aromatic polynitro compounds
芳香族多硝基化合物
1.
The densities of a series of aromatic polynitro compounds are predicted via an artificial neural network(ANN) based on erroneous reversed dissemination method.
运用神经网络模型,采用误差反向传播算法,对一系列芳香族多硝基化合物的密度进行了预测。
5) PNACs
多硝基芳香族化合物
1.
The densities of polynitroaromatic compounds(PNACs) are predicted by Boosting algorithm.
采用Boosting算法对多硝基芳香族化合物(PNACs)的密度进行预估。
6) non-aromatic polynitro compound
非芳香族多硝基化合物
1.
With the help of an improved back propagation algorithm on Artificial Neural Network (ANN) model and molecular structure descriptors as inputted characteristic parameters were used to predict the enthalpy of formation ΔH~0f for non-aromatic polynitro compounds (NAPNCs).
用误差反向传播(BP)的人工神经网络模型及分子结构描述码作为输入特征参数预测非芳香族多硝基化合物的生成焓,研究了网络参数及分子结构描述码的影响,同时按分子结构描述码进行了多元线性回归,取得了满意的结果,其回归方程相关系数达到了0。
补充资料：脂肪族羰基化合物
分子式：
CAS号：
性质：分子中含有羰基官能团的脂肪族有机化合物，包括脂肪醛和脂肪酮。
CAS号：
性质：分子中含有羰基官能团的脂肪族有机化合物，包括脂肪醛和脂肪酮。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条