Adjusted two-stage adaptive cluster sampling

An adjusted two-stage sampling procedure is discussed for adaptive cluster sampling where some networks are large and others are small. A two-stage sample is drawn from the large networks and a single-stage sample is drawn from the rest. The simple random sampling (SRS) procedure without replacement is used at the initial stage. An estimator for the population mean along with its properties is discussed.     

神经网络模型森林生物量遥感估测方法的研究

森林生物量的估测是全球变化研究的基础,而遥感宏观、综合、动态、快速的特点决定了基于遥感的生物量模型为森林生物量估测的发展方向,目前的遥感生物量估测方法大多基于回归分析,需要预先假设、事后检验,仅为经验性的统计模型。神经网络的分布并行处理、非线性映射、自适应学习和容错等特性,使其具有独特的信息处理和计算能力,在机制尚不清楚的高维非线性系统体现出强大优势,可以用于遥感生物量估测。文章在野外调查的基础上,尝试应用BP网络和RBF网络技术,建立广州TM遥感影像数据与森林样方生物量实测数据之间的神经网络模型,通过训练和仿真,与生物量实测数据进行比较。结果表明,在独立样地估测中,人工神经网络估测的相对误差均小于15.18%,获得了满意的效果。而RBF网络与BP网络相比,在识别精度上、稳定性、速度上,均优于BP网络,其最大相对误差不超过10.12%,平均相对误差为4.76%。可见应用神经网络方法的“黑箱”操作虽然难以归纳出指导性规律,但可以获得很高的精度。尤其RBF网络,在训练完成后,可以应用该模型进行大区域生物量估算,对于森林的规划及管理具有深远意义。     

论大学生思想政治工作进网络之紧迫性

在对大学生利用网络的情况进行调查的基础上，总结出学生使用网络的现实基本状况，并分析学生上网存在的问题，指出学院的思想政治工作进网络的紧迫性。     

我国丹顶鹤自然保护区网络设计

针对原有丹顶鹤保护区规划缺乏系统设计思想,保护区面临严重的生境安全这一问题,根据维持生态系统地域完整性和生态过程完整性的原则,采用迭代法和整数规划2种方法,以高、中适宜性湿地面积占各自湿地类型总面积70%和60%为保护目标,研究了丹顶鹤自然保护区的网络设计,提出了丹顶鹤自然保护区网络的设计方案。     

基于概率神经网络的污泥堆肥腐熟度的综合判别

由于污泥堆肥过程中各组分间相互影响和制约,污泥腐熟程度的判别系统呈现模糊性,使得传统评价方法对该判别系统很难正确认识。文章根据污泥堆肥的具体情况,提出了以含水率、挥发固体、粪大肠菌值、发芽指数作为腐熟程度的判别指标体系,并基于概率神经网络建立污泥堆肥腐熟程度的综合判别模型,然后用该模型判别上海市某污水厂污泥快速好氧堆肥工艺污泥堆肥样品的腐熟程度。结果表明:①将污泥堆肥的含水率、有机质、粪大肠菌值和种子发芽指数作为判别指标,可以判别污泥堆肥腐熟程度;②概率神经网络可以建立判别指标与稳定化程度等级之间复杂的非线性关系,为腐熟度的判别提供一种通用的模式,且判别结果比较合理。     

利用人工神经网络研究含硫芳香族化合物结构与毒性的关系

本文采用简单的化学基团描述符，运用人工神经网络研究了含硫芳香族化合物对发光菌的性构效关系，并与多元线性回归相比较，结果显示了人工神经网络处理非线性问题的优越性。     

简化活性污泥数学模型的优化

为了从控制运行的角度促进简化数学模型的应用，必须借助其它优化手段进一步提高预测精度。本文主要介绍了应用于简化数学模型的扩展卡尔曼滤波、神经网络和误差反馈系统三种优化方法以及优化后的验证结果。从验证结果来看，优化的ROM模型与ASMl模型的定性变化行为相似，基于神经网络的复合模型对PO4^3-和NOx^-的预测结果非常准确，误差反馈的优化系统模拟性能良好。     

BOD-DO耦合人工神经网络水质模拟的研究

将人工神经网络的理论和方法引入河流水质模型的建筑中，提出了BOD－DO耦合BP人工神经网络水质模型，应用长江干流重庆段的实测水质样本对模型进行训练与 检验表明：该模型用于水质模拟可行且精度较高，为河流水质模拟开辟了一条简便可行的新途径。     

海水水质评价的人工神经网络模型研究

通过在各类海水水质污染指标浓度区间内生成随机分布样本的方法，生成足够多用于人工神经网络模型训练和检验用的样本，并应用基于误差反传原理的前向多层神经网络建立了用于海水水质评价的人工神经网络模型。并根据海水水质标准给出了区分不同类型水质的模型分界样本和模型输出分界值。讨论了确定合理隐层及其节点数的方法，使得训练后的神经网络模型具有更强的泛化能力，不受网络连接权值初始取值的影响。经训练的评价模型应用于实例的评价结果表明，新的评价模型具有较好的客观性、通用性和实用性。