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。     

无线数据传输技术在列车安全监控系统中的应用

笔者将GSM网的无线数据传输技术成功应用到列车安全监控系统中 ,系统监测数据经转储发送系统中转 ,由移动台系统实时、无线传输到基站微机系统 ,通过VC ++语言编制的软件系统实时统计分析数据 ,来监控列车运行状况 ,达到列车安全运行的目标。在列车安全监控系统中 ,不仅实现了数据无线实时传输 ,而且提高了工作效率和减轻了工作强度。在济南铁路局装车试验并广泛使用 ,表明了无线数据传输技术应用到列车安全监控系统中具有较高的可靠性和实用性     

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。     

计算机安全技术

在当今信息时代，林业安全管理所需要的信息要实现网络化必须以计算机安全技术为基础。本文主要介绍了计算机安全技术所需要注意的一些问题，同时举例说明实现单机运行安全的几种方法。     

供水管线震害量化参数--渗漏面积的估算方法

为了分析管线破坏状态对震后供水管网功能的影响，首先需要对管线的震害状态进行量化。建议用管线渗漏面积标定管线的破坏状态。在管线震害分析和理论计算的基础上，提出了震后管线渗漏面积的计算方法，为进一步进行供水管网抗震分析和设计提供了研究基础。     

QUALITY OF HYDROMETEOROLOGICAL DATA IN COLD REGIONS1

ABSTRACT: Many users of hydrometeorological records are not aware of the number of inconsistencies and biases that occur in hydrometeorological records. Examples are presented illustrating how the exposures of sites for measurement of precipitation, wind, snow on the ground, and evaporation determine to a large extent how useful the records are for estimating areal conditions. For areas where precipitation in the form of snow produces a significant portion of the runoff, a smaller number of quality records may be more valuable for modeling than a much larger number of records of lower quality. Information is presented to show that the overall value of an operational hydrometeorological network is dependent upon how consistent and representative of average conditions the collected records are, especially for mountainous areas in cold regions.     

神经网络及其在水库调洪演算中的应用

结合洪水灾害管理的特点建立了水库调洪演算的人工神经网络模型，阐述了其基本原理及算法，并结合某水库调洪演算实例说明了其应用。     

基于神经网络的重大危险源动态分级研究

利用自组织神经网络对重大危险源进行动态分级研究，介绍了神经网络的模式聚类即分级法的自组织学习过程和算法，克服了以往危险源分级方法的某些局限性。在计算机上进行的模拟计算表明：基于自组织神经网络的重大危险源动态分级方法是合理可行的     

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。