分光光度法测定废水中对硝基酚的含量

本文运用分光光度法的原理，利用722分光光度计测定对硝基酚生产中排放的酸性或碱性废水中残留的对硝基酚(钠)的含量；测定过程中首先探索了最大吸收波长、溶液最佳pH值、显色时间、显色温度等条件。然后将相应的试验测试条件运用于含对硝基酚(钠)的废水检测中，试验结果的相关性很好。     

DPD分光光度法对氯和二氧化氯的区分测定

利用ＤＰＤ分光光度法对氯和二氧化氯的区分测定进行了研究。结果表明，ＤＰＤ法可准确区分两者的含量，该方法既可用于确定二氧化氯发生器的产物成分，确定其产率，并调整工艺参数，提高工作效率，同时也可用于确定投加量余量的成分。     

光度法测定β环糊精对过氧化苯甲酰和苯甲酸的包结比

系统介绍了用光度法测定β环糊精(β-CD)对过氧化苯甲酰(BPO)和苯甲酸的包结比.在pH=1.0的条件下,当BPO浓度较小时,β-CDBPO=21,当BPO浓度相对较大时,β-CDBPO=11.在相同条件下,用盐酸羟胺将BPO还原为苯甲酸后,测得β-CD与苯甲酸的包结比为11,并测出了相应的常数.     

工业废水中硫化物的研究测定─—化学发光法

本文首次进行了鲁米诺—硫（Ⅱ）—碘酸钾化学发光体系的研究,建立了工业废水中硫化物的化学发光测定新方法。研究结果表明,用此体系测定硫化物的最佳条件是:鲁米诺浓度为１．０×１０￣（－３）ｍｏｌ．Ｌ￣（－１）,ＫＩＯ＿３浓度为１．０×１０￣（－３）ｍｏｌ．Ｌ￣（－１）,ＫＩＯ＿３ＰＨ值为１．１,４ｍｉｎ可测定一次,用此法对成都的工业废水进行了分析。此法具有毒性小,灵敏度高,测定速度快,取样量少,设备简单价廉等优点,是测定硫化物的一种好方法。      

基于BP神经网络的手写字符识别系统

基于BP神经网络对非线性系统辨识的通用性和自适应性等特点,构建了一个BP神经网络模型,增强了网络的自适应能力和学习能力,提高了网络的精度和收敛速度,并在此基础上开发出一个高效准确的手写体字符识别系统.     

基于径向基神经网络的Internet网络时延模型研究

以Internet为媒介进行控制信息的传送,是远程控制发展的重要趋势,而Internet传输时延的不确定性,使得这样的远程控制信息闭环控制系统难以实现.在实际测量网络时延实际数据的基础上,利用滑动模型和样条原理,采用滑模均值代替滑模的常规输入值,利用径向基神经网络建立了网络时延的模型.仿真结果表明该模型能够反映并预测该测量数据所代表的网络路径之间的时延特性,并能在基于Internet的闭环控制系统的设计中有效地替代实际网络进行研究;而所用的建模方法具有快速、准确的特点,能用于在线学习网络模型并对网络的时延值进行预测,为基于Internet的远程闭环控制提供了新的思路.     

人工神经网络训练样本的相容性检测及化简

针对人工神经网络的训练样本庞大繁杂的特点,运用粗糙集理论对有指导的网络训练样本的相容性及其化简进行简单论述,同时对神经网络的特征值提取给出了一种寻找方法．     

道路交通安全综合评价的人工神经网络方法

为了提高评价的准确性,采用人工神经网络技术,建立了基于BP神经网络的道路交通安全综合评价模型.通过有效样本的学习,应用该模型,实现了对道路交通安全专家知识和经验的提取和存储.仿真实例验证了基于人工神经网络的道路交通安全综合评价模型的合理性和有效性.     

基于多尺度分析与神经网络的交通流预测

针对实际交通系统时变复杂和变化的不确定性所带来的交通流量随机因素影响大、非线性强、规律性不明显的特征;采用小波多尺度分解的方法,将含有综合信息的时间序列分解为多个分量特征不同的时间序列,然后采用神经网络对各个分量分别进行预测,最后用实测数据进行了验证分析。结果表明,基于多尺度分析与神经网络预测模型比单神经网络预测模型预测精度高,可用于交通流的实时动态预测。     

基于人工神经网络的FGM数据库设计

采用数据库管理技术和人工神经网络技术建立了FGM数据库,开发了管理和操纵该数据库的应用程序.利用该数据库可以查询编辑已知FGM材料组分、分布和性能之间的关系,预测未知FGM在给定材料组分和分布条件下的材料性能.作为应用实例,预测了SiC/C FGM的弯曲强度,并计算了预测误差,分析结果表明预测值与实验值较为吻合.     

基于人工神经网络预测的汽车安全气囊系统点火控制算法研究

对安全气囊点火时刻的准确控制是气囊系统起到保护乘员作用的关键技术.点火控制算法是实现气囊适时准确点火的手段.本文提出了一种基于人工神经网络的汽车安全气囊点火控制算法.算法构造了一个三层人工神经网络,利用碰撞发生时的减速度信号和乘员重量为输入信号,其输出信号为乘员的头部位移,作为气囊触发的一个依据.     

径向基神经网络辨识非线性系统的改进算法

利用神经网络的非线性映射特性,将神经网络应用于非线性系统辨识。利用径向基神经网络来辨识非线性系统,并对两种不同RBF神经网络辨识算法进行比较。仿真结果表明,改进的算法具有学习速度快,辨识精度高的特点。     

桥梁断面静力三分力系数的人工神经网络识别

通过风洞模型试验得到了足够的样本，在此基础上利用MATLAB神经网络工具箱构造了2个BP人工神经网络；采用BR(Bayesian regularization)算法，比较了不同坐标系下的静力三分力系数的训练结果，得出4层网络比较有效且具有较高精度的结论．最后，提出了应用人工神经网络需要注意的问题。