青藏铁路工程对高原生态环境的影响

分析了青藏铁路工程建设生态环境的特点，探讨了青藏铁路建设对沿线冻融侵蚀、植被、冻土上限、沙漠化以及野生动物的影响，最后提出了铁路建设过程中的一些环境保护意义。     

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。     

基于多目标遗传算法的层级生态节点识别与优化——以常州市金坛区为例

有效生态网络构建可保障区域生态安全,是实现区域可持续发展的重要路径。基于生态节点的内涵解析,建立了“资源型战略点-结构型战略点-结构型薄弱点”的多层级生态节点识别体系,利用金坛区2015年的遥感影像、土地利用数据、POI数据等,通过多目标遗传算法、最小阻力模型等方法,构建了金坛区层级生态网络,并采用表征网络拓扑结构和节点效用性等指标,定量评价生态节点优化前后的生态网络性能,取得以下主要研究结论：（1）多层级生态网络在节点效用、网络整体性能上显著优于一般网络,且在复杂生态水网区域具有较强适用性;（2）金坛区现状生态网络分布不均匀,生态节点布局亟待优化,经优化节点覆盖率提升了17.70%,节点分布均匀度降低45.45%,平均聚类系数提升了87.36%;（3）多层级生态节点体系具有实践应用性,应针对不同类型生态节点采取差别化管理策略。     

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.