基于环境的交通网络流分配模型

通过对车辆尾气排放的观察 ,建立了一个基于环境的固定需求用户均衡网络流分配模型。并用EXCEL求解了一具体算例。运用模型可以在满足交通需求的情况下 ,使车辆对环境的污染减少到最低限度     

浅析地聚合物的发展和研究动态

地聚合物是一类新型的高性能无机聚合物材料，是碱激活胶凝材料中最具前途的一类。由于其特殊的无机缩聚三维氧化物网络结构，使得地聚合物材料在众多方面具有比高分子材料、水泥、陶瓷和金属更高的高温性能和机械性能；另一方面，地聚合物材料制造过程中的能耗和三废排放量都非常低，材料对环境友好并且可以很好地被回收再年利用，是一种可持续发展的“绿色环保材料”。在比较全面地论述地聚合物材料的发展历史、生产工艺的基础上分析目前存在的问题，提出开发地聚合物材料是兼顾社会发展和减轻环境污染问题的一个较理想的对策。     

调引太湖水改善苏州市水动力条件研究

基于苏州地区独特的地理位置,简述引水改善该地区水环境的必要性,拟定了3种调水方案,利用感湖河网数学模型,对3种方案调水后主要河道的水动力条件进行预测,分析了各河道调水后的水动力变化趋势,提出了利用太湖水自流引水改善苏州市水环境的最佳方案.     

网络计划在液化气球罐内外部检验过程中的应用

在以工期考虑为重点的V-3002B液化气球罐内外部检验过程中，引用现代管理中网络计划技术关键路线法，为加快芳烃厂压力容器检验提供了科学的依据。本文总结和介绍了网络计划技术在芳烃厂贮运车间V-300亚球罐内外部检验过程应用情况。     

人工神经网络模型和公路复垦土地适宜性评价

提出了人工神经网络用于公路临时用地复垦土地适宜性评价，利用该模型对京大高速公路山西段复垦山西段复垦土地进行了适宜性评价，探讨了人工神经网络在土地复垦适宜性评价时的特点和注意问题。     

钢绞线逐根张拉下锚墩基床沉陷所致锚索预应力损失问题

在预应力锚索锚墩下部地基岩土的基床系数较低情况下,采用钢绞线逐根张拉来施加预应力会导致较大的预应力损失以及各钢绞线较显著的预应力不均。基于锚墩基床岩土体的弹性压缩模型,理论探讨了钢绞线逐根对称循环张拉下的锚索预应力损失,及钢绞线的预应力均匀性问题。分析表明,基床系数越低,逐根张拉下的锚索预应力损失越大,且其所含各钢绞线预应力的均匀性越差;而同样荷载和基床系数下,锚索所含钢绞线根数越多, 逐根张拉后的预应力损失和不均匀性也越大。但采用分级循环张拉、正序张拉及调整、锚墩下部一定扩散角填石等工序及措施有助于减轻预应力损失和解决不均匀性问题。     

基于遗传算法的人工神经网络大气环境评价

人工神经网络模拟大脑的认知功能,通过改变连接点的权值和阈值来训练神经网络完成特定的功能。运用基于遗传算法的BP网络模型,以国家大气质量标准作为网络的输入样本对网络进行训练,对某地区大气质量进行评价,结果与综合指数法比较吻合。     

青藏高原生态资产地域划分中的SOFM网络技术

针对目前地域划分中存在的问题,论文尝试以人工神经网络技术作为区划工作的理论支撑,构建了自组织特征映射SOFM网络,以青藏高原环境与生态系统资产作为待分客体,探索了新技术和方法在生态资产地域划分中的应用。结果表明,对于自然界中广泛存在的非线性问题,SOFM网络具有比聚类分析等线性分类器更强的适应性。应用SOFM网络在对待分客体生态资产进行类型划分的基础上,使用策略性循环尺度转换(SCS)范式对其进行了区域转换,最终完成了青藏高原范围内生态资产的地域划分。     

用神经网络辨识化学强化一级处理系统

运用实验室得到的数据为样本 ,选取了CODCr和絮凝剂投加量为指标 ,采用三层结构的神经网络 ,利用Matlab的神经网络工具箱中的批处理梯度下降法对CEPT系统经行辨识。辨识结果表明 :模型的预测值与实测值的平均误差在 3 .7%左右 ,具有较高的精度。同时 ,该模型还具有适应性强 ,使用方便 ,高效的特点 ,为CEPT系统的在线实时控制提供了一条有效的途径。     

Application of Bayesian regularized BP neural network model for analysis of aquatic ecological data-A case study of chlorophyll-a prediction in Nanzui water area of Dongting Lake

Bayesian regularized BP neural network（BRBPNN） technique was applied in the chlorophyll-α prediction of Nanzui water area in Dongting Lake. Through BP network interpolation method, the input and output samples of the network were obtained. After the selection of input variables using stepwise/multiple linear regression method in SPSS i1.0 software, the BRBPNN model was established between chlorophyll-α and environmental parameters, biological parameters. The achieved optimal network structure was 3-11-1 with the correlation coefficients and the mean square errors for the training set and the test set as 0.999 and 0.000？8426, 0.981 and 0.0216 respectively. The sum of square weights between each input neuron and the hidden layer of optimal BRBPNN models of different structures indicated that the effect of individual input parameter on chlorophyll- α declined in the order of alga amount 〉 secchi disc depth（SD） 〉 electrical conductivity （EC）. Additionally, it also demonstrated that the contributions of these three factors were the maximal for the change of chlorophyll-α concentration, total phosphorus（TP） and total nitrogen（TN） were the minimal. All the results showed that BRBPNN model was capable of automated regularization parameter selection and thus it may ensure the excellent generation ability and robustness. Thus, this study laid the foundation for the application of BRBPNN model in the analysis of aquatic ecological data（chlorophyll-α prediction） and the explanation about the effective eutrophication treatment measures for Nanzui water area in Dongting Lake.