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.     

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。     

钢筋混凝土框架电算结果的人工调整

根据钢筋混凝土多层框架的设计经验和设计规范，对如何调整电算结果中的梁，柱截面尺寸，配筋率，裂缝宽度和梁，柱配筋等问题进行探讨，并提出相应的建议。     

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。     

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.