JETS,PLUMES AND BUOYANT JETS IN STATIC ENVIRONMENT

Turbulence represents an essential aspect in atmospheric and oceanic circulations.In particu-lar,it is a preponderant factor in the dispersion of pollutants of artificial or natural origin.Thevertical turbulent jets,plumes and buoyant jets discharging into static environment is one of themost important and basic flow patterns related with the environment pollution.These flows havenumerous important applications,for example,thrust augmentors,waste disposal plumes fromstacks and combustion systems,and significant problems of turbulent diffusion.     

外循环型鼓泡式反应器气含率及循环液速率

对直径２８０ｍｍ、扩大直径５００ｍｍ、外循环管直径６５ｍｍ、总高２９００ｍｍ的外循环型鼓泡式反应器，在气体空塔线速Ｕｇ为０．０４－０．５５ｍ／ｓ时，用静压差法和脉冲示踪法测定了不同部位的气含率Ｅｇ，Ｅｐｇ和循环液速率ｕ１，并获得了它们的关联式：对反应段，Ｅｇ＝０．４５５６Ｕ＾０．３１９８ｇ〔Ｕｇ／（Ｕｇ＋Ｕ１）〕＾０．７３９６；对反应器扩大段，Ｅｕｇ＝０．９３８９Ｕ＾０．４４３１ｕｇ；对循环管，Ｅ     

地震数据油气预测中的属性优化方法

本文简单介绍了智能信息处理中新出现的RoughSet（RS）理论及属性选择方法，从双相介质地震波传播理论角度，探讨了地震数据油气预测属性优化原理，提出了基于RS理论的地震数据油气预测属性优化方法。实际应用表明；本方法速度快、易实现，而且在优选属性、最大程度地减少提取地震属性种数、提高分类正确率等方面，明显优于其它方法。本方法将成为地震数据油气预测的一种有效手段。     

面向对象系统中的特性表机制与复合对象

本文主要讨论特性表机制与复合对象的概念、功能及实现．在基于知识的面向对象系统中引入特性表机制与复合对象概念的目的在于增强系统的知识表达能力．文中提出的特性表机制包括了三种类型的特性说明表：类说明特性表、继承关系特性表和变量特性说明表．复合对象在系统中是通过引入一个称为“影子类”的新概念来构造和实现的．     

Neural networks for contract bridge bidding

The objective of this study is to explore the possibility of capturing the reasoning process used in bidding a hand in a bridge game by an artificial neural network. We show that a multilayer feedforward neural network can be trained to learn to make an opening bid with a new hand. The game of bridge, like many other games used in artificial intelligence, can easily be represented in a machine. But, unlike most games used in artificial intelligence, bridge uses subtle reasoning over and above the agreed conventional system, to make a bid from the pattern of a given hand. Although it is difficult for a player to spell out the precise reasoning process he uses, we find that a neural network can indeed capture it. We demonstrate the results for the case of one-level opening bids, and discuss the need for a hierarchical architecture to deal with bids at all levels.     

基于Patel-Teja状态方程的统一粘度模型(Ⅱ)应用于油气藏流体粘度的预测

基于(I)报根据pVT和Tμp图形的相似性和Patel-Teja状态方程建立的预测纯流体气、液相粘度的统一模型,通过引入常规的状态方程参数的混合规则,将其应用于二元轻烃混合物共计1894个数据点及模拟天然气高压粘度的预测,平均相对误差分别为13.78%和16.75%;应用于油藏原油和天然气高压粘度的预测,结果优于现有的有关油气藏流体粘度模型.     

人工神经网络技术在板料激光弯曲中的应用

基于人工神经网络基本理论,建立在板料激光弯曲中预测材料表面最高温度、弯曲角度的BP网络模型。借助于MATLAB仿真软件中的神经网络工具箱作为开发平台,将试验样本数据和经过试验验证的数值计算结果作为补充的样本数据用于BP网络的训练,利用训练好的BP网络对非线性的样本数据规律进行拟合,实现激光加工工艺参数的优化,为实际生产和加工提供有效的依据。     

RSFM网络及其在信号滤波中的应用

介绍了一种适用于模式识别的新型神经网络模型--局部有监督特征映射（Reglonal Supervised Feature Mapping,RSFM）网络,描述了该网络的拓扑结构和学习算法,研究了网络的基本性能,最后将其应用到了信号滤波中.理论研究和仿真实验表明,该网络结构简单、算法简洁,收敛速度快、识别精度高,适用于需要大样本训练、随机干扰严重的复杂模式的分类与识别.     

降雨空间分布模式识别

以广东省内186个站点的年降雨量分布为基础，把模式识别的聚类分析理论方法引入降雨空间特征分类研究中，进行降雨特征空间分布模式识别，以预测无雨量站点的降雨模式，从而分析水资源的空间分布模式，以便制订有效的水资源利用方案。结果表明，广东省年降雨量在空间上的分布可划分为6类模式；同时基于BP人工神经网络算法，建立了以高程、气温、蒸发量为主要参数的可判别和预测无雨量测站区域的降雨空间分布模式所属类别的模型，经过模型的学习和验证，效果较好。     

基于人工神经网络的混合气体定量检测方法

将气体传感器阵列与人工神经网络相结合，设计了用于混合气体定量检测的人工嗅觉系统；构造了局部连接的前馈神经网络的结构和基于递推预报误差的网络训练算法；通过实验对CO，H2，CH4三种气体的混合物进行了分析，实验结果证明气体传感器阵列和人工神经网络用于混合气体定量检测是可行的。