人工智能在水质模型改进中的应用

水质模型是水环境研究的重要工具，在水环境管理规划中起着重要的作用．将人工智能技术用于水质模型的改进，即可节省人力物力，又可提高精度．对近年来人工智能的各种方法在水质模型中的应用进行了评述，并评价了各自的优缺点，旨在促进相关研究。     

基于人机交互的界面故障数据属性识别方法

为了提高故障数据识别精度,提出基于人机交互的界面故障数据属性识别方法.利用LCD显示与小键盘构成具备数据采集功能的人机交互模块采集界面故障数据,通过离群熵提取界面故障数据噪声并进行消噪处理,结合低通、高通滤波器重构界面故障数据信号,构建待选数据属性池,计算目标数据和待选数据之间的距离相似因子,从而实现界面故障数据属性识别.结果表明,该方法复杂度较低,识别复杂系数介于0.4~0.52之间,查全率可达到95%,识别精度约为91%,大大提升了设备界面故障数据识别性能.     

双边滚切剪中可编程控制器之间的数据通信

本文以三曲柄双边滚切剪为背景，以ＣＰ－５２５通讯模板为主要对象，在通讯软件ＣＯＭ５２５的支持下，实现了两台Ｓ５－１１５Ｕ可编程控制器的串行异步通讯。     

水环境评价决策支持系统知识库系统的设计

水环境评价决策支持系统知识库系统是水环境影响评价决策支持系统的核心，通过系统知识库实现对数据库、模型库的统一管理和调度；辅助环境工作者做出正确的决策.在系统分析水环境影响评价领域知识特点的基础上，对水环境影响评价知识库的知识内容、知识的获取和知识的表示方法进行了初步的阐述，并提出了适合于该领域的知识表示方法和知识库体系结构.详细地论述了整个水环境影响评价知识库的设计思路和方法，并建立了水环境评价的推理机构.     

进化强化学习及其在机器人路径跟踪中的应用

研究了一种基于自适应启发评价(AHC)强化学习的移动机器人路径跟踪控制方法.AHC的评价单元(ACE)采用多层前向神经网络来实现.将TD(λ)算法和梯度下降法相结合来更新神经网络的权值.AHC的动作选择单元(ASE)由遗传算法优化的模糊推理系统(FIS)构成.ACE网络的输出构成二次强化信号,用于指导ASE的学习.最后将所提出的算法应用于移动机器人的行为学习,较好地解决了机器人的复杂路径跟踪问题.     

基于用户兴趣的电子商务推荐方法

针对数据稀疏性与推荐实时性的技术难题,在结合传统用户合作过滤推荐的基础上,提出了基于兴趣度向量模型的用户合作推荐机制.该方法合理利用了用户的人口统计信息,即用户提交给网站的注册信息,来辅助基于兴趣度向量模型的推荐方法,在提高预测精度的同时还可以解决推荐系统的新用户问题.采用MovieLens网站上提供的研究数据进行模拟推荐实验,通过对平均绝对偏差对比分析可得,兴趣向量模型的推荐方法在一定程度上比传统合作过滤算法有更高的推荐精度.     

基于GIS的河水污染预测及其影响的可视化研究

将神经网络引入河水污染建模，并将该模型用于水质预测，使用GIS的空间分析功能将河流水质污染现状及预测结果可视化(以溶解氧Do值为例)，并利用GIS建立缓冲区，使得污染物对河流周边影响可视化，对于污染信息定位准确、可视，为做出正确决策提供简明的信息，对GIS在水环境中的应用作了有益尝试．     

双边滚切剪移动机架的控制

介绍了用S5—115U可编程序控制器（PLC）对三曲轴双边滚切剪移动机架进行控制的整个过程，并对机架开口度的控制给出计算公式及硬件电路设计、软件流程图。     

基于数学形态学的交通图像滤波处理方法研究

针对智能交通视频图像中常见的几种噪声源，阐述了数学形态学在交通图像滤波中的应用.结合实际拍摄的动态交通图像，提出了基于数学形态学和帧差法的交通图像噪声滤除方法.根据提出的算法方案，编写了Visual C++程序，进行了实验验证，并在此基础上比较了不同形态学算法对同一组交通图像的处理结果.从实验结果得出，该算法有效分离并较完整地保留了交通图像中的运动车辆，取得了良好的降噪处理效果.