梯形明渠临界水深计算公式的改进

目前求解梯形明渠临界水深的方法较多，但因存在求解过程较繁，计算精度不高等问题，故使用时不方便。本文以简单的迭代为基础，通过对临界水深方程进行了数学变换，提出了计算梯形明渠界水深的新方法。该方法不依赖图表，简单易行、精度很高，可供工程实际参考应用。     

三峡明渠汛期通航技术研究

全面介绍了三峡明渠汛期通航条件，论证了采用大功率推轮换推与施绞相结合措施，把明渠通航流量提高到３５０００ｍ＾３／ｓ的可行性，为制定换推，绞滩方案提供科学依据。     

明渠沙纹形成的试验研究

在单向水槽中对沙纹的形成及演化机理进行试验研究，通过改变床面剪切应力来研究沙纹的形成过程，探讨了床面存在的主要扰动形式，并分析了沙纹的形成机理。     

小底坡梯形明渠临界水深的加权逼近法

用两小加权迭代法计算小底坡梯形明渠的临界水深，计算简便，而精度很高；迭代两步所得结果的相对误差为１０＾－５数量级，迭代三步为１０＾－６数量级，适用范围也较宽，能满足一般水利工程的需要。     

公伯峡水电站出口明渠边坡稳定性的力学分析与防治研究

就影响公伯峡水电站出口明渠边坡稳定性的地质因素从地质学、力学的角度进行了探讨与研究，分析了造成塌方滑坡的原因，并结合现场的实际地质情况，提出了防治塌方的施工措施。     

明渠水力计算

从基本关系式、流速系数、容许的最小与最大流速、常用的沟渠断面水利要素计算和最佳水利断面的水利要素计算五个方面介绍了明渠水力计算。     

基于神经网络的引水渠分流比预报研究

运用动量法和学习率自适应调整策略，建立了三层前馈网络模型预报明渠侧面分流比。将预测结果与实际值进行对比分析后表明，神经网络模型可用于预测明渠侧面分流比。     

明渠的水文水力计算

介绍了明渠的水文水力计算,包括设计流量和水力计算。     

京杭运河淮安导航明渠的通航安全监督管理

淮河人海水道工程是党中央、国务院为治理淮河水患、造福全流域人民的重大举措.人海水道采用地下涵洞方式穿越京杭运河.地涵工程施工期间,京杭运河原航道封闭,改走新开挖的导航明渠.导航明渠平行于京杭运河东侧,与原航道顺接,全长750m,按二级航道标准设计,航槽底宽70m,河面宽度随水位变化略有不同,最低通航水位时为94.7m.     

基于神经网络的引水渠分流比预报研究

运用动量法和学习率自适应调整策略,建立了三层前馈网络模型预报明渠侧面分流比.将预测结果与实际值进行对比分析后表明,神经网络模型可用于预测明渠侧面分流比.     

换填垫层法在工程实际中的应用

介绍了某明渠改箱涵工程地基处理的基本情况,论述了如何根据不同的地质条件,灵活选用换填法,并阐述了换填法处理基础深度的方法。     

适于前馈神经网络的LM-QuasiNewton综合学习新方法

为实时解决神经网络学习过程中可能遇到的大残量时的收敛问题，将LM算法与Quasi Newton优化算法结合，构建了一种综合学习算法(LM-QuasiNewton算法)．仿真算例表明，该算法较好地解决了残量问题，收敛性与稳定性优于其它权值算法．合学习算法．仿真实例表明，该算法较好地解决了残量问题，在收敛性与稳定性方面优于其它权值算法。     

一种新的波分复用光网络动态路由和波长分配算法

研究了WDM光网络中的路由和波长分配问题，并比较了目前提出的算法，对算法作了归类，提出了一种新的动态路由和波长分配算法，对算法的时间复杂度进行了分析．仿真试验结果表明，新算法减小了网络的阻塞概率，提高了网络性能。     

非线性约束条件下一个超线性收敛的要行方法（Ⅱ）—子算法A

给出了一个新的子算法Ａ，用以计算本文第一部分提出了主算法Ａ中的“一阶方向”。由于此子算法已充分利用算法Ａ中已有的信息，所以并没有增加计算量，这样，联合算法Ａ及子算法Ａ，就可以得到一个实用的可行优化算法。     

基于下降搜索的量子进化算法

为了提高全局寻优能力和收敛速度，基于量子进化算法和混合遗传算法，提出了一种新的进化算法．该算法将下降搜索理论应用到量子进化算法中，改进了量子进化算法仅靠量子门进行迭代的作用，从而加快了收敛速度，并降低了个体在进化时产生退化的可能性．典型函数的仿真实验结果表明，该算法具有好的全局性和收敛性．     

数字图像中值滤波改进算法研究

对传统的中值滤波算法进行了改进，新的算法采用同步更新迭代的思想，保持了传统算法的优点，同时取得到了更好的去噪效果．实验证明，该算法不仅比传统的中值滤波算法降低了时间复杂度，提高了运算速度，而且去噪效果有了明显的改善．     

一种支持QoS多播路由的MST算法

阐述了满足多QoS约束的多播路由问题，描述了适用于QoS多播路由的网络模型，对Prim算法进行改进，提出了一种支持QoS多播路由的多播树生成算法．该算法在多播规模不断扩大的情况下，总代价始终小于其它算法，并且，随着组的规模的增加，其优越性也越明显．最后将该算法与传统算法进行比较，体现算法的优越性与有效性．并通过仿真试验进行了验证．     

对Apriori算法的进一步改进

介绍了关联规则挖掘的情况，并在分析关联规则的数据挖掘算法的基础上，针对Apriori算法和Apriori-1算法进行深入研究，提出了Apriori-2算法，新算法在计算候选大项集支持度所涉及的记录数目将小于事务数据库中原始的记录数目，提高了原算法的效率，具有一定的实用性．     

多端口模型中的链式广播算法分析

根据广播黑盒子的分类，分析了多端口模型中多消息链式广播算法，深入探讨了算法的理论基础和理论模型；重点研究链式广播算法的时间复杂度，通过与k树算法性能的对比，说明该算法是一种更接近最优广播周期的算法．