基于人工神经网络模型的地下水水位动态变化模拟

地下水水位的预测在流域地表水和地下水资源的综合规划管理中起着非常重要的作用。在该研究中,人工神经网络模型被应用于希尼尔水库周边地下水水位的预测中。采用研究区6口地下水观测井资料,用人工神经网络模型进行模拟预测1周后的地下水水位。模型输入因子包括此前1周蒸发量、水库水位、排渠水位、抽水量和观测井地下水位,因此模型有15个输入节点和6个输出节点。将3种不同的神经网络训练算法,即自适应学习速率动量梯度下降反向传播算法(GDX)、LM算法和贝叶斯正则化算法(BR)用于地下水水位预测,并对模拟结果进行了评估。结果表明:3种神经网络训练算法在研究区地下水水位预测中表现均较好。然而,BR算法的性能总体略优于GDX和LM算法。将BR算法训练的人工神经网络模型用于预测研究区未来2、3和4周的地下水水位,虽然地下水位预测的准确性随着时间的增加有所降低,但模拟效果仍然较好。

顶空GC法测定尿、血等生物检材中甲醇

目的：本文应用顶空GC法测定血、尿等生物检材中甲醇。方法：样品和标准均在60±2℃水浴中平衡10分钟，取上部气体气相色谱法测定。结论：本法最低检出浓度0．002mg／ml，线性范围0．002—0．05mg／ml，相关系数r＝0．9982。