长江河口越江工程在上海港建设中的重要作用

探讨了连接上海，崇明和江苏海门的长江河口桥隧工程在连接河口岛屿间交通，发挥崇明的区位优势，促进地区经济发展以及在上海港建设中的作用。详细论述了越江工程完成后上海新港的扩建，根据河口河水岸线的分布，提出了在横沙岛东滩修建人工岛的设想，最后对几种越江方案进行了分析比较，提出了作者的看法。     

人工神经网络方法在资源与环境预测方面的应用

用人工神经网络方法对不同水域、不同环境因子之间非线性和不确定性的复杂关系进行学习训练并预测检验。结果表明：人工神经网络方法在模拟和预测方面 优于传统的统计回归模型,在资源与环境方面的应用是可行的。具有较强的模拟预测能力。与传统的回归模型相比,人工神经网络方法不要求监测数据具有很强的规律性,就可用后的网络模型对其进行预报,燕且预测相对误差均比回归模型预测相对误差要小,具有一定的实用性。两个实例的应用     

三峡茅坪溪沥青混凝土心墙堆石坝位移反演分析与安全预测

本文研究了基于综合应用人工神经网络和演化算法的位移反演分析方法,并将此方法应用于三峡茅坪溪沥青混凝土心墙堆石坝的变形反演分析中。以茅坪溪一期工程原型观测成果为依据,反演出能够正确反映坝体变形特性的邓肯-张EB模型参数,从而预测了施工期末和蓄水期末该坝的变形特性,并基于总应力法研究了心墙水力劈裂破坏发生的可能性,为茅坪溪堆石坝运行期的安全生产提供依据。研究结果表明,茅坪溪心墙堆石坝不会发生水力劈裂破坏,该坝蓄水后虽然水压上升,但心墙仍是安全的。     

多因素耦合条件下硫化矿自燃神经网络动态预测模型研究

硫化矿石自燃是多种因素、多场耦合综合作用的结果,是一典型的非线性问题。笔者应用人工神经网络技术,以Matlab软件为平台,通过现场调查和理论分析,建立了矿石含硫量、通风强度、环境温度3因素与硫化矿石自燃之间的预测模型;通过数据样本学习与部分现场监测数据相结合进行模拟,研究表明预测数据与实测结果基本吻合,误差控制在10%以内,取得了较好的效果。该研究为预防硫化矿石自燃提供一个新的思路和方法,具有一定的理论意义和应用价值。     

人工神经网络在水环境质量评价中的应用

为了将人工神经网络应用于水环境质量评价，应用了人工神经网络Ｂ—Ｐ算法，构造了水环境质量评价模型，该模型应用于实例评价结果表明，人工神经网络用于环境质量评价具有客观性，通用性和实用性。     

基于人工神经网络建模的PTC功率智能检测技术

PTC是家用空调器中主要器件之一,具有耗电量大、非线性的特征。目前PTC常用的功率检测方法是通过"专用电量计量芯片结合电压、电流采样电路"来实现,存在成本高和可靠性低问题。提出一种基于人工神经网络的PTC功率纯软件计算方法,无需增加任何硬件成本。通过实验验证,精度达±3%,满足产品化需求,成熟可靠。     

Development and Operational Testing of a Super‐Ensemble Artificial Intelligence Flood‐Forecast Model for a Pacific Northwest River

Coastal catchments in British Columbia, Canada, experience a complex mixture of rainfall‐ and snowmelt‐driven contributions to flood events. Few operational flood‐forecast models are available in the region. Here, we integrated a number of proven technologies in a novel way to produce a super‐ensemble forecast system for the Englishman River, a flood‐prone stream on Vancouver Island. This three‐day‐ahead modeling system utilizes up to 42 numerical weather prediction model outputs from the North American Ensemble Forecast System, combined with six artificial neural network‐based streamflow models representing various slightly different system conceptualizations, all of which were trained exclusively on historical high‐flow data. As such, the system combines relatively low model development times and costs with the generation of fully probabilistic forecasts reflecting uncertainty in the simulation of both atmospheric and terrestrial hydrologic dynamics. Results from operational testing by British Columbia's flood forecasting agency during the 2013‐2014 storm season suggest that the prediction system is operationally useful and robust.     

基于神经网络分类器的城市污水处理厂水力冲击预警系统

提出了一套基于神经网络分类器的城市污水处理厂水力负荷冲击预警系统,以期对进水水量骤增现象进行提前1天的预报,使污水处理厂可根据预报结果提前采取水力冲击防护措施,从而保证各单元的平稳运行.根据进水水量的涨幅将某污水处理厂12年日进水水量监测数据分为"常规"和"冲击"两类,重点对"冲击"数据进行提前1天的预测,并采用冲击漏报率、冲击误报率和报准率对模型的预测精度进行评价;同时,基于同样的建模方法和不同的训练、验证样本建立了N(1)、N(2)和N(3)3个平行模型,以对模型的鲁棒性和建模方法的可重复性进行考察.结果显示,3个模型对2010年、2011年和2012年3年测试样本的预测效果良好,冲击漏报率和报准率两项指标数值均较为稳定,分别在0~0.167和0.981~0.995之间浮动,冲击误报率虽然在数值上的浮动较大,最低为0.143,最高为0.500,平均为0.310,但仍在工程上的可承受范围内.该结果表明,本研究基于神经网络分类器所建立的3个神经网络模型预测精度高、鲁棒性好,显示出良好的性能,有望为污水处理厂水力冲击防护工作提供有力参考.     

高盐废水人工湿地处理中耐盐植物的筛选

天津塘沽作为滨海新区核心区,是目前天津发展最快的地区之一。由于本区盐碱土壤等自然条件,污水中盐分含量较高,制约了废水的回用。本文通过模拟人工湿地实验,比较了芦苇（Phragmites australis）、盐地碱篷（Suaeda salsa）、碱蒿（Artemisia anethifo原lia）、黄花鸢尾（Iris wilsonii）、盐角草（Salicornia europaea）和大米草（Spartina anglica）等耐盐植物对轻污染水体中高浓度氯离子的去除能力,筛选出去除能力较强的植物,并确定植物对盐分去除率达到最大时的生态系统条件。结果表明,适合人工湿地的耐盐碱植物对氯离子的去除效果依次为：芦苇＆gt;盐地碱篷＆gt;碱蒿＆gt;黄花鸢尾＆gt;盐角草＆gt;大米草,停留时间一般在第4d时可达到平衡。该研究为利用人工湿地处理高盐废水提供了科学依据。     

船舶区域溢油风险程度甄别的人工神经网络方法

利用误差反向传播 (BP)人工神经网络 ,建立了海域船舶溢油风险程度甄别的评价模型。该模型能够反映出研究海域各区域发生船舶溢油事件的风险等级差别 ,具有一定的客观性和实用性。