优化神经网络模型在水质预测中的运用

针对当前河道水质资料不健全且难以监测及预警的现状,提出了将神经网络模型运用于河道水质预测分析.运用神经网络模型对河道水质指标实测数据进行优化处理,深入分析水质指标数据,并建立神经网络预测模型.在此基础上,采用归一化和遗传算法两种方法对神经网络模型进行优化,并将优化模型和原神经网络模型分别运用于水质指标数据的预测.结果表明:优化后的神经网络模型可以实现对水质的预测,优化前神经网络模型的预测误差为8.57%,而采用归一化和遗传算法优化后的神经网络模型预测精度分别提高了6.36%和6.73%.同时分析得到了不同水质指标对叶绿素浓度值影响程度按大小依次为氨氮、溶解氧、高锰酸钾指数、pH值、温度.

秦淮河水质改善现场调水试验

为了探究不同水闸调度方案对秦淮河水质改善的效果,进行了洪水期、丰水期调度、枯水期调度和降雨初期雨水污染调度等典型时段调水试验。结果表明:通过合理调控闸泵可对秦淮河水质产生积极效果,上游来水、引水的质量和调度时段对于调度效果具有明显影响。

基于数值模拟的风生流场的量化特性及参数优化分析

为研究风生流场的量化特性,数值模拟了矩形水槽风生流场,分析了风生流数值模拟中风应力拖曳系数和垂向紊动粘性系数两个主要参数的误差。结果表明,风生流场垂向流速分布呈抛物线形,断面平均流速为零,流速回旋中心位于水深1/3处,存在最大正向流速和最小反向流速且流速比为2.41。通过分析风应力拖曳系数和垂向紊动粘性系数误差对数值模拟结果的影响,研究了快速实现风生流数值模拟参数优化的方法。对香溪河流速分布的模拟分析,验证了该流速中存在风生流场,且通过参数优化方法快速实现了风生流参数的优化,与实测值对比表明该方法的精度较高。

近期我国纺机进出口概况

据预测,世界纺织机械产业规模约为180亿～220亿美元,跨国贸易的总额约为100亿～130亿美元,而我国已成为世界最大的纺织机械单一进口市场。2002年,我国纺织品及服装出口创汇首次突破600亿美元,实现利润超过300亿元,从而成为拉动纺织机械市场的重要因素。据海关统计,2003年前三个季度,我国纺织机械进出口总额为26.25亿美元。其中出口 2.4628亿美元,同比上升 24.52%。近年来,我国纺织机械出口一直呈增长趋势。