广东省东江流域显著水问题类型识别

通过构建流域水资源、水环境与水生态功能评价指标体系,采用ArcGIS自然间断点分级法分析广东省东江流域水资源、水环境与水生态3类涉水功能的空间格局特征,采用Spearman等级相关系数定量分析3类涉水功能间的交互作用,识别各地区显著水问题类型,并提出相应管控策略。结果表明：广东省东江流域水资源、水环境与水生态功能评价等级空间格局体现出显著的空间差异性;流域水资源、水环境与水生态功能间的交互作用类型为兼容;基于3类涉水功能评价等级及功能间交互作用类型,将广东省东江流域10个评价单元划分为水资源、水环境、水生态、水资源-水环境、水生态-水环境及非显著型6个显著水问题类型。     

苏州市景观水体表观污染类型识别及特征指标筛选

为解决表观污染成因的问题,以苏州市区河网为主要研究对象,采集796个数据样本,对景观水体的表观污染类型进行划分界定,并通过对数据样本的统计分析,探究水体表观污染类型和水质指标之间的关系。结果表明:氧化还原电位、溶解氧、叶绿素a、高锰酸盐指数和浊度对不同污染类型的水体具有很好的区分度,可作为主要特征指标;景观水体可分为有机主导型、无机主导型、营养主导型和混合型4种表观污染类型;不同表观污染水体判别的优先次序为有机主导型、无机主导型、营养主导型、混合型。     

基于水表误差曲线重建的供水系统表观漏损量估算方法及应用

在分类用户用水模式分析的基础上,考虑选取5个特征流量进行水表误差曲线重建,对水表误差值进行修正,建立了基于水表误差曲线重建的表观漏损量估算方法.利用该方法对苏州市研究区域内新建小区、老旧小区、工业、商业、学校和医院等6类用户的水表误差进行修正,各水表的误差修正值分别为-0.25％、-4.1％、-4.59％、-2.03％、-5.74％、-0.34％,据此计算得到各类用户的表观漏损水量分别为7.41万m3、103.42万m3、292.50万m3、28.29万m3、167.83万m3、2.82万m3.与传统方法相比,建立的方法考虑到用户用水模式对水表误差曲线的影响,对表观漏损水量估算更为准确,能为用水行为类似的苏南地区的表观漏损水量估算提供参考.     

白河、潮河底栖动物分布与特征研究

在对潮河和白河北京境内段底栖动物调查基础上,采用群落分析法并运用BI指数和Shannon-Wiener多样性指数进行水质评价.结果表明:本次共采集底栖动物44种,水生昆虫及幼虫占比最大.底栖动物种类丰富度白河优于潮河.河流评价结果显示,潮河和白河水质整体为优.BI指数法评价中,潮河和白河以清洁为主.Shannon-Wiener多样性指数评价结果中,白河以轻污染为主,潮河以中污染为主.BI指数法适用性较好,而且评价结果较为准确,评价结果对潮河、白河水质判别具有借鉴作用.     

Trajectory tracking control for underactuated unmanned surface vehicle subject to uncertain dynamics and input saturation

Neural Computing and Applications - In this paper, one concerns with the problem of trajectory tracking control for an underactuated unmanned surface vehicle subject to uncertain dynamics and input...     

汽车ABS自适应灰色滑模控制算法的研究

汽车防抱死制动系统的控制过程具有明显的非线性和不确定性,滑模控制和灰色预测相结合的控制方法,可以有效地改善汽车制动效能。然而在控制算法中引入预测的同时也引入了误差,传统方法中的滑模函数不能有效适应预测误差,并且预测步长必须依靠实验法确定,缺乏通用性。为解决上述问题,提出一种ABS自适应灰色滑模控制方法,可以依据预测精度,动态自适应预测步长,通过加权比例因子调节形成动态滑模控制。仿真结果表明,自适应灰色滑控方法可以有效地提高ABS系统的快速性、稳定性及鲁棒性。     

基于多记忆抗体克隆选择的人工免疫网络算法

在优化克隆算法的研究中,针对传统的克隆选择算法存在收敛性差和局部最优问题,提出一种多记忆抗体克隆选择原理的人工免疫网络算法。在克隆选择算法的基础上通过引入替代阀值因子,利用随机生成的新抗体组成种群替代原种群中对抗原亲和力最小抗体,同时增设变异概率的概念,达到在一定程度上避免记忆抗体种群的退化现象,提高算法的全局优化能力,避免陷入局部最优。仿真结果表明,算法加快了种群亲和力成熟的进程,随着进化代数的增加检测率总体呈上升趋势,能更好的应用于大规模各种识别问题中。     

改进神经网络在芝麻油掺伪检测中的应用

研究芝麻油掺伪检测问题,提高检测精度。由于成分复杂,掺伪后化学成分变化,直观难以检测。传统物理或化学芝麻油掺伪检测方法操作复杂,设备昂贵,存在不同程度缺陷。结合近红外光谱技术和神经网络优点,提出一种RBF神经网络-近红外光谱的芝麻油掺伪检测方法(NIR-RBF)。首先采用近红外光谱提取芝麻油样本的光谱信息,然后采用主成分分析提取光谱信息主要有效成分,最后将主要有效成分输入到神经网络进行学习,得到芝麻油掺伪检测结果。采用建立的模型对掺入不同类型植物油的芝麻油进行检测,结果表明,相对于其它芝麻油掺伪检测方法,NIR-RBF提高了检测精度和速度,降低了检测误差,是一种快速、有效的芝麻油掺伪检测方法。     

无相位反馈的分布式发射波束成形技术研究

分布式发射波束成形技术是实现协作通信的一种有效方式,而分布式发射波束成形面临的主要技术挑战有发射信息共享、载波同步、发射时间同步等。本文针对这些技术挑战利用时分双工系统前后向信道的一致性,提出了一种不需要在节点之间反馈相位控制信息的分布式发射波束成形技术。在此基础上,发射节点和目标节点之间数据传输采用OFDM技术,提出了对每个子载波信号分别进行发射波束成形的实现方法。     

人工神经网络技术在电工产品可靠性实验中的应用(理论部分)

本文简要介绍了人工神经网络，BP神经网络的结构、训练和学习规则以及人工神经网络非线性时间序列预测的应用概况。