涤沦仿真丝印染废水治理技术的研究及其应用

采用化学法去除对苯二甲酸，对高浓度涤纶仿真丝印染废水进行治理。结果表明：该技术对碱减量废水中ＣＯＤＣｒ的去除有显著的效果。当废水的ｐＨ值在１２～１４，ＣＯＤＣｒ含量在１００００～３３０００ｍｇ／Ｌ时，将废水的ｐＨ值调节到４～６，出水ＣＯＤＣｒ能降至１０００～２７００ｍｇ／Ｌ之间，ＣＯＤＣｒ去除率为７７％～９５５％。为涤纶纺真丝印染废水治理达标排放奠定了基础     

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。     

钢筋混凝土框架电算结果的人工调整

根据钢筋混凝土多层框架的设计经验和设计规范，对如何调整电算结果中的梁，柱截面尺寸，配筋率，裂缝宽度和梁，柱配筋等问题进行探讨，并提出相应的建议。     

人工湿地污水处理系统脱氮研究进展

系统地介绍了人工湿地去除污水中氮污染物的机理及国内外研究进展，详细阐述了影响人工湿地污水处理系统脱氮的内、外界因素，对于人工湿地污水处理工艺的推广应用提供科学依据。     

西江年最高水位的神经网络预报模型

对西江洪水发生的特征进行分析表明，洪水发生频率高，具有明显阶段性特征，并与流域面雨量密切相关。利用前期环流场、海表温度（SST）场及环流特征量资料选择初选预报因子，然后对初选预报因子作EOF分解构造综合预报因子，结合人工神经网络方法建立了西江年最高水位预报模型，并对预报模型进行独立样本试验。结果表明，该预报模型对历史样本拟合精度高，试报效果明显好于传统的逐步回归模型，可在汛期预测业务中应用。     

特大火灾定量与定性风险管理技术应用探讨

定量化风险管理技术有其无可比拟的优势，但无法对风险因素中的人为因素进行管理。本文通过分析量化管理的缺陷和定性化管理的优势，提出应根据具体情况，采用定量化与定性化管理相结合的管理方式，并提出定性化管理的具体方法。     

提高洪水智能预报中洪峰预报精度方法的研究

针对防洪减灾的实际需要,对如何提高智能网络对洪峰的预报精度问题进行了深入系统的研究,提出了峰值放大修正系数和遗传算法优化网络初始权重相结合的改进算法,历史资料的检验结果表明了这些改进策略的有效性和可靠性.     

基于ANN的山东省可持续发展水平的区域差异

针对区域可持续发展系统的非线性,采用人工神经网络中较为先进的自组织特征映射网络构建模型.以山东省17个地市2001年的经济、人口、资源、环境、生活和科教状况作为带分样本,用自组织特征映射模型对山东省可持续发展区域差异进行了研究.研究结果表明,山东省可持续发展水平的区域差异可划分为4类,模拟结果比较理想.     

新疆中低产田发展人工草地的初步研究

从新疆天然草地的利用，农业面临的问题出发，说明在绿洲内发展人工草地的必要性。针对全疆中低产田特点，将其分成7种基本类型。按类型总结出相应适生的饲草种类。通过人工种植这些饲草，达到合理利用改良耕地的目的，进而带动整个农业产业结构的调整，建立起适宜新疆农业发展的草地农业模式。     

AN EVALUATION OF THE AVAILABLE TECHNIQUES FOR ESTIMATING MISSING FECAL COLIFORM DATA1

ABSTRACT: This paper presents the findings of a study aimed at evaluating the available techniques for estimating missing fecal coliform (FC) data on a temporal basis. The techniques investigated include: linear and nonlinear regression analysis and interpolation functions, and the use of artificial neural networks (ANNs). In all, seven interpolation, two regression, and one ANN model structures were investigated. This paper also investigates the validity of a hypothesis that estimating missing FC data by developing different models using different data corresponding to different dynamics associated with different trends in the FC data may result in a better model performance. The FC data (counts/100 ml) derived from the North Fork of the Kentucky River in Kentucky were employed to calibrate and validate various models. The performance of various models was evaluated using a wide variety of standard statistical measures. The results obtained in this study are able to demonstrate that the ANNs can be preferred over the conventional techniques in estimating missing FC data in a watershed. The regression technique was not found suitable in estimating missing FC data on a temporal basis. Further, it has been found that it is possible to achieve a better model performance by first decomposing the whole data set into different categories corresponding to different dynamics and then developing separate models for separate categories rather than developing a single model for the composite data set.