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.     

腹泻性贝类毒素的分析方法研究

本文描述了腹泻性贝类毒素的的特性，给出了已知的９种毒物成分的化学结构式衣不同毒物成分的毒性大小及毒理效应，对已有的该毒素的定量分析方法，包括生物分析法和化学分析法进行了剖析，重点阐述了化学分析法中的高效液相色谱分析法，介绍了法国目前使用的腹性贝毒的预警系统，并对我国该领域的研究提出了自己的建议。     

电化学原位产生H2O2的影响因素分析及数学建模

以Pt为阳极,石墨碳棒为阴极,Na2SO4为支持电解质,实验探讨了电化学原位产生H2O2的规律.通过正交试验,确定阴极溶液初始pH值、电流密度CD、通氧流量Q和支持电解质浓度CNa2SO4等主要参数对H2O2产生量的影响,并提出最佳参数组合:pH=2.00,CD=1.02mA·cm-2,Q=0.4L·min-1,CNa2SO4=0.1 mol·L-1,极间距D=6cm.采用二次多项式逐步回归和BP神经元网络2种方法,建立了这些参数对于H2O2产生量的预测模型,并对模型进行检验.结果表明,2种方法在一定参数条件下都可预测阴极区溶液中H2O2浓度,BP神经元网络法预测的准确度好于二次多项式逐步回归方法,且更适合于在线控制.     

浦东新区城市生活污水处理现状及对策探讨

在对浦东新区生活污水处理现状进行分析的基础上，肯定了目前污水纳管处理和地理式生化处理并存的过滤性措施的作用，并提出了要提高生活污水处理率，完善污水管网收集系统，加强对住宅小区生活污水处理设施的管理等建议。     

工业控制网络安全风险及防护策略

分析了工业企业工控系统网络面对诸如自身漏洞、工业协议、操作系统、杀毒软件以及管理缺陷等日益增多的安全风险,需要采用分区隔离、边界防护、异常检测、访问控制、限制接入、健全管理等多种技术、管理手段,建立纵深防御体系,提升工业控制系统的网络安全防护水平,以抵御工业控制网络面临的安全风险。     

企业计算机网络与系统安全

本文介绍了网络技术与系统的内在结构以及各个环节可能存在的安全漏洞，分别对如何提高局域网，广域网，外部网和系统的安全性进行分析，提出了相应的解决办法。     

人工神经元网络对水处理系统建模适应性的研究

针对水处理系统的特点和研究中的难点，引入人工神经元网络的理论和思想，提出了水处理系统的神经网络分析方法．通过建立基于ＢＰ人工神经元网络的臭氧生物活性炭系统的模型，具体地考察了人工神经元网络对水处理系统建模的适应性，使水处理系统的研究迈向智能化和控制化．     

GIS支持下的水文生态效应评价混合型专家系统设计初探

文章从人工神经网络(ANN)、专家系统(ES)各自的优势和不足出发，结合地理信息系统(GIS)技术的特点，介绍了水文生态效应评价的混合型专家系统(HEMES)的基本结构模式和各模块的功能。然后抓住ANN、ES、GIS的共同作用因子一专家知识，从数据库结构、C 类方面探讨了三者集成的问题，并根据集成的思想探讨了相关功能设计。指出HEMES是一种更准确、易操作的评价技术，可作为相关管理、决策者的辅助工具。     

企业计算机网络的安全管理

从技术手段和制度规范上，综合提出了企业计算机网络的安全管理策略。