废水中甲酸萃取回收的研究

以ＺＹＭ混合溶剂为萃取剂，以含４．５％的甲酸的废水进行萃取试验，结果表明，ＺＹＭ具有良好的热稳定性和再生性，对废水中的甲酸有较高的萃取率。采用本萃取技术，不但具有显著的环境效益，而且还可回收甲酸，获得较好的经济效益。     

沱江和釜溪河的氨治理及氨回收

本文介绍了沱江和釜溪河近年来的氨污染现状及危害，认为氨是应治理的首位污染物；简要分析了生物、化学、物理化学三类除氨方法的优缺点；着重介绍了吹脱法除氨技术，提出用吹脱法治理沱江和釜溪河的无机氨污染，并进行了上述各法的经济效益比较     

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     

从废感光胶片中回收银

研究了以Fe3 -乙二胺四乙酸二钠-N a2S2O3体系为浸取剂从废感光胶片中回收银的方法,考察了浸出银的最佳工艺条件。实验表明,当浸取剂中FeC l3.6H2O质量浓度为35g/L、N a2S2O3.5H2O质量浓度为150g/L、pH为7、固液质量比为3∶10时,浸取剂可重复使用6次,胶片上银的浸出率可达99%以上;浸取液中的银采用硼氢化钠还原回收,粗银粉配以熔剂高温熔炼可得到纯度达99.78%的银,银回收率达96.88%,回收银后的浸取液可循环使用。     

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。     

基于模糊评判人工神经网络的重大危险源辨识研究

国家已经制定了重大危险源辨识标准,辨识依据是危险物质的数量,主要适用于化工行业.本文对于国家重大危险源辨识标准不适合的行业,结合各行业发生事故的特点和工艺特征,综合利用模糊评判法和人工神经网络,辨识企业内存在的重大危险源.在某化工厂进行了检验,实践证明了方法的科学性和合理性.     

Oracle Data Guard在塔河数字林业中的应用与实现

根据塔河数字林业系统对数据库的可用性和数据的可恢复性以及恢复时间的要求,在众多备份技术中选择了Oracle Data Guard技术,本文针对这一技术,简要阐述了其概念和功能,并且详细介绍了其技术组件和工作原理.     

BP神经网络技术在交通工具火灾预警中的应用

通过对交通工具火灾成因机理以及现有典型交通工具火灾实例的分析研究,建立了预警评价指标体系。根据非线性理论和模式识别原理以及交通工具火灾的特点,采用基于BP神经网络的智能灾害诊断方法,对交通工具火灾发生的可能性和危险性进行评估和预测。研究表明:BP神经网络方法是解决非线性系统问题的一种有效方法,与传统的预警方法相比,该方法具有速度快、效率高、可信度好、自学能力强等特点。采用BP网络进行交通工具火灾预警时,只需输入影响交通工具火灾发生的相关指标因素,网络便可在较短的时间内得出可靠的预警结果。     

基于神经网络和遗传算法的城市火灾风险评价模型

以消防安全工程学与系统安全工程理论为基础,结合我国城市发展特征及消防安全管理状况,建立了城市区域火灾风险评价指标体系;针对神经网络易陷入局部极小而引起评价指标权值分布不合理的缺陷,提出了基于神经网络和遗传算法的城市火灾风险评价模型,该模型以火灾发生的可能性以及灾后的严重程度为输入单元,火灾风险等级为输出单元,采用误差反算法训练BP网络,最终得出火灾风险等级范围,有效地解决了城市火灾的动态性和非线性特征;研究实例证明了该模型的有效性,可为城市的消防安全管理提供确实可行的参考依据。     

基于人工神经网络理论的船舶动力装置安全综合评价模型

为提高船舶动力装置安全综合评价水平，依据人工神经网络的基本原理，分析了BP神经网络模型的基本原理和优化策略，将其应用于船舶动力装置的安全评价之中。提出了基于神经网络理论的船舶动力装置综合安全评价模型及实现方法，并以实例论证了此方法的可行性。