合肥市区周边地表水体形态磷的研究

选取合肥市周边代表性的地表水体董铺水库、天鹅湖、翡翠湖为研究对象,运用地表水和污水监测技术规范中的标准方法,对3个水体的TP、DTP、PP、DIP、DOP进行监测,并做了初步研究和分析。结果表明,天鹅湖水体中总磷的平均浓度为O,102mg／L,符合V类标准要求,水体中磷主要以DTP和DOP的形式存在,TP—DIP显著正相关;董铺水库总磷的平均浓度为0．031mg／L,达到Ⅲ类标准,磷主要以DTP和DIP的形式存在,其中TP与DTP之间高度显著正相关;翡翠湖水体中总磷的平均浓度为0．060meCL,达到IV类标准,水体中磷主要以ADTP的形式存在,其@TP与PP之间显著正相关,PP在该湖泊中占有重要的地位。     

基于.NET的中文分词系统设计与实现

针对中文分词的相关理论,讨论了中文分词的难点、语料库和中文分词算法,然后在.NET下设计了一个中文分词系统。在长词优先的原则下通过SQL Server 2005自建了一个语料库。在Visual Studio 2005下,采用改进的正向减字最大匹配分词算法,使用ASP.NET和C#语言实现了这个系统。结果表明该分词系统达到了较好的分词效果。     

基于模糊Petri网的汽车故障诊断仿真研究

本文将Petri网和模糊推理相结合,建立故障诊断的模糊Petri网模型。其中,用FPN表示模糊产生规则,用Petri网的变迁激活规则进行故障诊断推理,从而分析出异常行为过程间的因果关系,推理出故障的原因及其可信度。以汽车故障诊断为例,建立了基于模糊Petri网的诊断模型。通过仿真分析,验证了模型的正确性和算法的有效性。     

基于生成树的无线传感器网络MAC协议

简要分析了无线传感器网络(W SNs)MAC层协议,针对MAC协议在节能和时延方面的不足,提出了一种基于生成树的MAC协议(ST-MAC)。以汇聚点为根节点,创建一个由网络中所有节点组成的生成树。ST-MAC采用TDMA接入方式,其固有的低工作周期提高了网络性能。性能分析和实验结果表明:相对S-MAC,ST-MAC在能量节省和时延方面有较好的效果。     

最小海明距离分类器的字符识别方法研究

应用最小海明距离(Hamming Distance,缩写HD)分类器,研制了一种新型的基于最小海明分类器的字符识别方法。讨论了该字符识别方法实现的技术路线,较好解决了理论的工程化应用问题,对500帧连续图像的时间字符进行实验,时间字符识别准确率为99.8%,达到了字符比较准确识别的目的。     

基于信任模型的安全应用层多播协议

针对ALM(application layer multicast)安全性方面存在的问题,设计了一种新的ALM协议.节点加入多播组时,协议对节点的信任度进行认证检测.在交互过程中动态计算节点信任度,以便准确识别覆盖网中的恶意节点.同时,通过标签机制,有效防止了节点对信任信息的恶意篡改.仿真实验结果表明,该协议能有效区分恶意节点并对其进行控制,对多播安全性方面存在的问题有较大改进.     

基于Analytica的作战决策分析模型构建与仿真

根据作战决策分析模型对建模平台的需求,简要介绍了Analytica建模平台的特点和功能,讨论了探索性分析方法、系统动力学方法、以及多分辨率建模方法等建模技术在Analytica平台下的应用,并通过一个示例介绍了基于Analytica作战决策分析模型的总体结构和仿真计算过程.建模和仿真结果表明,Analytica工具平台时于作战决策分析建模具有良好的适用性.     

土壤有机碳储量研究进展

如何有效进行土壤有机碳储量估算,世界各同都做了有益地探索和研究.本文通过对比分析目前国内外土壤有机碳相关研究成果,系统总结了土壤有机碳的研究背景、研究方法、评价指标及储量等主要成果,并指出了我国在土壤有机碳储量研究方面存在的若干问题.最后提出目前需要深入的几个研究方向,包括采用大比例尺地形图,进一步提高不同海拔地块土壤碳储量估算精度,加强土壤有机碳与气候相互作用机理分析,综合分析土地利用/覆盖变化对土壤有机碳的影响,并寻求不同时空条件下土壤有机碳估算方法.     

智能图像检测在活塞在线分选中的应用

基于某活塞生产厂的活塞在线检测需求本文将机器视觉检测技术应用于活塞在线视觉检测分选中,开发出一套智能图像检测系统.该系统将VB与图像传感器相结合,充分利用VB和智能图像传感器的特点,使检测系统操作简单、高效精确.在检测中,主要应用了模板匹配原理对图像进行识别.该图像检测系统满足了生产实际的需求,提高了生产效率,减轻了工人的劳动强度,实现了活塞的在线检测与分选.     

基于知识引导的自适应动态多模态差分进化算法

为充分利用问题求解过程知识,提升动态多模态优化算法的计算资源利用效率,提出一种基于知识引导的自适应动态多模态差分进化算法.首先,利用自组织映射神经网络实现种群自聚类,形成稳定的小生境;然后,通过对种群全局知识和个体邻域知识的综合学习,设计一种基于知识引导的自适应差分进化算法,在对种群进化状态进行实时监测和分析的基础上,逐层递进地引导不同种群个体自适应地选择最符合当前进化需求的变异方式,提升种群搜索效率,平衡种群多样性与收敛性;最后,针对问题动态特性,设计一种基于历史动态过程知识引导的自适应动态响应机制,通过对历史寻优经验的自适应学习,预测生成新环境下的潜在精英个体,引导种群实现精准快速的多峰定位.实验结果表明,所提出算法能够有效解决动态多模态优化问题,且在不同动态环境设置下其求解性能均优于对比算法.