生草覆盖条件下不同降雨强度对紫色土坡面侵蚀产沙的影响

造林种草,增加植被覆盖度是防止土壤侵蚀的重要措施.通过人工模拟降雨试验,探讨生草覆盖下紫色土坡面侵蚀产沙的动态变化.结果表明,有生草覆盖的坡面径流含沙量较裸地的径流含沙量更快达到稳定状态;坡面侵蚀产沙率随覆盖度增加呈指数型递减,且坡下种草的减沙效果最好;覆盖度与降雨强度对坡面侵蚀产沙量的影响存在对比消长关系,但生草覆盖度对产沙量的影响小于降雨强度的变化对产沙量的影响.     

降雨条件下不同土壤类型的坡面径流侵蚀产沙试验研究

利用人工模拟降雨试验,研究我国最具代表的4种侵蚀性土壤,即红壤、紫色土、黑土和黄土,降雨雨强和坡度对坡面径流侵蚀产沙的影响以及坡面径流与侵蚀产沙的相关性,结果表明,4种土壤的坡面平均产沙强度均随降雨雨强和坡度的增大而增大,其抗侵蚀能力大小依次为紫色土、红壤、黑土和黄土;对人工模拟降雨试验坡面平均产沙强度进行二因素方差分析,计算所得的P值均小于0.05,说明降雨雨强和坡度对坡面侵蚀产沙强度的影响显著;分析4种土壤坡面侵蚀产沙与径流的关系,得出坡面产沙强度随径流强度的增大而增大,且两者之间存在较好的幂函数关系。     

坡面土壤侵蚀响应机制及其水动力学特征研究进展

坡面是土壤侵蚀的主要发生区。概述了坡面土壤侵蚀发生与土壤性质、降雨、植被、地形、水土保持措施等指标间的响应机制和坡面水动力学参数及机理研究进展;分析表明,坡面土壤侵蚀是一个十分复杂的过程,不仅受土壤内部因素如土壤均质程度、土壤质地、土壤含水量等的影响,还与外部条件如降雨、植被、地形、水土保持工程等紧密相关。但是,现行的土壤侵蚀研究体系并不完善,需要对土壤侵蚀各影响因素之间的相互作用关系和动力学物理机制进一步明确和深入认知。     

模拟降雨条件下不同草本植被对产流产沙的影响

为了探讨不同草本植被对坡面产流产沙的影响，在人工模拟降雨条件下，选择福禄考、佛甲草、蓝羊茅，设计坡度为10°；早熟禾、黑麦草、高羊茅，设计坡度分别为5°、10°、15°，进行试验研究。研究结果表明：不同草本植物均能有效降低土壤的产沙量与产流量，起到保持水土、修复生态的作用。相同草本，不同坡度下，坡度越大，产流、产沙、土壤侵蚀量越大，作用系数也越大。     

花岗岩侵蚀区坡面产流产沙规律的研究

根据多年的实测资料，分析了降雨量和最大１０分钟雨强对花岗岩区坡面产流产沙的影响规律，提出了坡面产流产沙预测预报模型。     

黄土坡面水蚀因子对坡面侵蚀量的影响研究

以黄土坡面为研究对象,建立土壤侵蚀评价和预报模型,通过室内径流冲刷模拟试验,研究了坡面径流水深及流速的变化规律,分析了坡面径流水动力要素对坡面侵蚀量的影响。结果表明:在土壤侵蚀过程中,坡面径流水深和流速的变化极为复杂,具有时空分布多样性特点,但总体上随径流冲刷流量的增加而增大。通过分析坡面侵蚀量与水蚀因子的关系,建立了坡面侵蚀模型多元回归方程。     

不同降雨区域对泥沙侵蚀过程的影响

为了研究坡面不同降雨区域及相关降雨特性对泥沙侵蚀过程的影响,通过小尺度坡面人工降雨物理模型,设定坡面3个不同降雨区域对产流产沙响应展开研究.结果表明:峰值产沙量与峰值产流量随降雨距下游2至4m的距离增加而明显减小,且各连续过程中峰值产沙量均逐场递减;距下游2m降雨工况减幅最大,最大峰值产沙量出现在首场工况(4.897g/s).总产沙量受降雨强度影响较大,在弱雨强工况中还受降雨离下游的距离显著影响.降雨位置对泥沙质量浓度过程曲线的影响在首场降雨过程最显著,降雨初期泥沙质量浓度随降雨区域离出口距离增大而显著减小.侵蚀产沙颗粒成质量分数较原始土样砂粒质量分数明显减少.总体上,在3m位置降雨工况下泥沙质量浓度过程曲线较早呈现稳定状态,且侵蚀颗粒成分最均匀.     

坡面土壤侵蚀及其模型研究综述

对目前发展的各种坡面土壤侵蚀模型进行了综述。坡面侵蚀研究已近一个世纪，但从现有的模型来看，大都是经验性模型。通用土壤流失方程的应用在美国应用成功，但在其它国家的应用情况却并不理想。近来，越来越多的研究者从物理原理进行研究，发现坡面侵蚀的物理机理是相当复杂的，与明渠流或河道水流侵蚀有很大的不同。本文为致力于坡面流侵蚀的研究者提供了一个有益的文献索引．     

坡面土壤侵蚀研究进展

土壤侵蚀量预报模型有经验模型和物理成因模型两大类。主要从这两个方面人手，介绍了国内外坡面土壤侵蚀量预报模型研究的主要成就，指出了现有模型的不足。在总结前人工作的基础上，提出了我国土壤侵蚀模型今后的发展方向。     

降雨移动方向对坡面侵蚀泥沙浓度的影响

为了探讨降雨移动方向对坡面下游出口处侵蚀泥沙浓度特性的影响,及其产沙产流量相对比值关系,本文主要通过室内小尺度坡面人工降雨物理模型试验展开研究.结果表明：降雨向上移动时,连续降雨过程各侵蚀泥沙浓度过程曲线形态相似,而降雨向下移动时,首场与后几场工况的泥沙浓度曲线差异鲜明;针对首场后的降雨工况,降雨向上移动泥沙浓度过程曲线均出现1个峰值,峰值泥沙浓度为6~90 g/L,而降雨向下移动时均出现2个峰值,相应值为11~68 g/L,且后者在弱雨强工况下标准差最小;2类移动工况的等效侵蚀泥沙浓度在不同雨强下随产沙峰值增加的增幅均表现为：弱雨强>中雨强>强雨强.总体上,相同条件（降雨强度、降雨历时、坡面土壤特性等）下,降雨向下移动时坡面侵蚀程度比降雨向上移动时大.     

基于密度聚类的模糊神经网络和CHP分解过程建模

针对基于样本数据的复杂系统建模问题,提出了基于密度聚类的模糊神经网络（DFNN）的建模方法,研究了利用密度聚类原理提取数据样本的内在规则的理论和方法,提取的规则能较好地反映样本数据输入输出的对应联系,根据提取的规则给出了模糊神经网络的模型结构.本文以化工生产过程过氧化氢异丙苯（CHP）分解反应过程为对象进行仿真建模,结果显示在模型精度和可靠性上均优于基于c均值聚类提取规则的模糊神经网络模型（CFNN）.     

一种基于补偿模糊神经网络的水质预测方法

在污水处理系统过程控制中,对水质变化规律进行预测是控制系统可靠、稳定运行的重要环节.介绍了基于模糊逻揖和神经网络的补偿神经网络(CFNN)及其学习算法,利用CFNN学习速度快、学习过程稳定、全局动态优化运算等特点,建立污水处理厂CFNN的水质预测模型.实例预测结果表明该模型对初始值的选择不敏感,具有很好的收敛性和预测精度,适合实际工程应用.     

基于综合算法的补偿模糊神经网络建模方法

针对常规模糊神经网络和补偿模糊神经网络的不足,提出了一种综合聚类算法和梯度下降法的补偿模糊神经网络。该网络的学习分为两步:结构辨识和参数辨识。在结构辨识中,采用关系度聚类方法,自动地划分输入/输出空间,确定模糊规则的数目及每条规则中前提部分和结论部分的初始参数,即构造一个初始模糊模型;在参数辨识中,采用具有五层结构的补偿模糊神经网络,并根据梯度下降法调整所建的初始模糊模型参数,使其具有更高的精度。通过对一非线性系统的建模,仿真结果表明,该网络在建模精度和收敛速度上均优于常规模糊神经网络和补偿模糊神经网络。     

应急物资筹集网络适应性评价的CFNN模型及仿真

优化和提高应急物资筹集能力是应急物资筹集网络适应性评价的主要目的,针对此目的,在构建应急物资筹集网络适应性评价指标体系基础上,把一种基于改进的补偿模糊神经网络(CFNN)智能评价系统引入到应急物资筹集网络的适应性评价中,以解决应急物资筹集网络评价中时间、成本和稳定性指标的模糊性和非线性问题. 仿真实验表明: 改进的CFNN收敛速度快,容错率高,自适应能力强,是应急物资筹集网络适应性评价的有效手段．     

FNN的服务型制造企业供应商选择

针对服务型制造条件下供应商选择的新要求和复杂性,将模糊理论与人工神经网络有效结合起来,提出基于模糊神经网络（FNN）的供应商选择策略．利用模糊系统较强的知识表达能力,将神经网络的输入袁示为模糊隶属度,解决定性指标定量化及模糊性问题;利用神经网络较强的自适应、自学习能力和泛化能力,克服供应商评价过程的主观随意性、复杂非线性和动态特性带来的不利影响,从而实现对供应商的实时动态评价;通过选择合适的算法,设计相应的BP神经网络,进行实例仿真．仿真结果表明,该方法能够克服供应商选择评价过程中的主观随意性大、算法复杂以及定性指标定量化问题,并实时动态再现专家评价结果,其最大相对误差不超过0．4841％．     

模糊神经网络系统的设计与应用研究

把模糊逻辑系统与神经网络相结合,形成结构像神经网络,功能似模糊逻辑系统的模糊神经网络系统,该系统具备了模糊逻辑系统和神经网络的优点,克服了单个系统的不足。再结合误差反向传递学习算法（BP算法）,调整模型参数及权值。最后应用模糊神经网络系统解决实际问题,经过若干次学习训练,使系统达到稳定,通过仿真结果可看出;将所设计的模糊神经网络系统应用在WTI原油价格预测中具有可行性与有效性。     

模糊人工神经网络在矿井构造评价中的应用

介绍了模糊综合评判和人工神经网络原理，分析了一般BP神经网络在研究复杂性问题时存在的局限性，根据模糊人工神经网络模型的构建方法，探讨了该模型在矿井构造定量评价中的应用，结合鲍店煤矿的实际资料，对建立的模糊人工神经网络模型进行了学习训练，对未采区的构造复杂程度进行了预测，结果表明：模糊人工神经网络较一般BP神经网络具有更快的收敛速度和更准确的预测效果．     

动态T-S递归神经网络及其应用

基于递归神经网络和模糊系统,给出了一种动态T-S递归模糊神经网络(DTRFNN)。该神经网络用BP算法进行网络权值的学习,并在权值学习的基础上采用改进的BP算法克服局部极小。以动态系统的辨识为例进行仿真实验研究,并与一般的模糊神经网络进行了比较。结果表明,DTRFNN的辨识误差较小,取得了很好的辨识效果。该神经网络应用于某金属温度软测量时,能很好地实现温度的在线检测。     

神经网络模糊PID技术在光伏系统MPPT控制器中的应用

针对传统光伏系统MPPT控制算法的局限性及无法自适应外部复杂情况等诸多问题,提出一类以神经网络、模糊控制器以及PID控制器组成的神经网络模糊PID控制器。利用光照幅度、环境温度等参数的离线训练后的权值作为整个三层前馈神经网络的优化参数;通过预测最大功率点与实际的工作电压进行比较,运用模糊推理对PID相关参数进行最佳调整。仿真结果表明：与传统PID控制器、模糊控制器相比,本系统能增强消除系统误差能力,稳态性能有了明显提高,同时可获得更高的控制精度。     

CFNN在多传感器图像数据融合中的应用

提出一种补偿模糊理论和神经网络的混合系统(CFNN),并将其应用于多传感器数据融合,力图以此提高多传感器图像数据融合算法的性能.CFNN混合系统引入了模糊神经元,使网络既能适当调整输入、输出模糊隶属函数,又能借助于补偿逻辑算法动态地优化模糊推理,大大提高了网络的容错性、稳定性和训练速度.文中介绍了图像数据融合的数学模型,并详细阐述了CFNN图像数据融合算法.仿真实验证明,CFNN图像融合算法能显著提高图像数据融合质量.