��ͨ�������縴���Լ������������о�

按照网络拓扑结构特征划分，我们经常接触到的实际网络有完全规划网络（Completely Regular Networks）、安全随机网络（Completely Random Networks）、小世界网络（Small-world Networks）和无标度网络(Scale-free Networks)．系统地对无标度网络的形成、特性和代表性研究成果进行简要总结，重点探讨交通运输网络的复杂性和相关问题，研究了城市公交网络的无标度特性及度分布指数，并以北京市公交网络为例完成了实证分析．进一步从理论上给出了怎样找到公交网络中的枢纽站点这一难题的研究思路、整体框架及求解算法，这是交通运输网络复杂性及其相关问题研究的关键．还分别从理论与应用两个层面给出了下一步研究工作的总体思路，为交通管理部门进行交通运输网络规划、设计、建设和管理提供了科学的研究手段和理论支持．     

虎门大桥高程控制网的设计与施测

本文介绍了虎门大桥高程控制网的布设与施测方法,其中包括用光学测微法成功地完成了珠江口１．１～１．４ｋｍ四段宽水域的跨河水准测量。为了克服跨河水准遇到的困难,以及施工现场仪器设备条件的限制,自制了特殊觇牌,用一台Ｎ３水准仪,采取“Ｚ”字型布置进行观测,结果达到予期要求。平差后的成果完全满足工程测量二等水准各项精度指标的要求。     

城市交通空间需求与交通网络双均衡研究

从交通空间需求入手,运用均衡原理建立交通空间需求与交通网络二者的耦合关系模型,提出了一套城市交通空间需求与交通网络一体化均衡配置方法。该方法能够同时实现交通需求与交通网络的供需均衡以及交通网络自身的用户均衡,对于城市土地利用与交通系统的一体化规划以及城市规划与交通规划的结合具有重要的借鉴作用。     

舰船电力系统可靠性研究

讨论了舰船电力系统可靠性研究的需求和必要性，以及国内外的研究现状,根据陆地电力系统可靠性研究的经验和内容，在分析舰船电力系统的区别和特殊需求后,探讨了舰船电力系统可靠性的研究内容以及研究思路和步骤．以船舶电网的拓扑结构设计中的可靠性研究为例，介绍了各种可靠性指标的计算方法，并指出了进一步的研究方向。     

多目标模糊优化问题的神经网络解法

基于函数联接神经网络，提出了一种解决工程结构多目标模糊优化问题的新算法。该算法以设计人员对目标函数值的满意程度作学习样本，采用神经网络取代传统的隶属度函数，从而较好地解决了隶属函数的描述问题。在解决多目标模糊优化问题中，该算法较传统算法具有更大的灵活性。     

基于Hopfield神经网络的遥感图像超分辨率识别算法

提出基于Hopfield神经网络的遥感图像超分辨率目标识别算法，它是利用模糊分类技术进行模糊分类，然后用分类结果约束Hopfield神经网络的方法．通过实验，可知Hopfield神经网络在学习样本少时．也能够输出分辨率相对较高的地物目标信息．因此．基于Hopfield神经网络的遥感图像处理方法，能够提高遥感图像的目标分辨率．使其目标特征信息更清晰．     

基于改进遗传算法的递归神经网络非线性系统辨识

将递归内时延神经网络应用于非线性动力学系统辨识中，描述了其动力学方程，并引入改进遗传算法作为其学习算法，通过非线性动力学SISO和MIMO系统的辨识仿真研究，验证了内时延递归网络结构和改进遗传算法的有效性。     

神经网络内燃机排放模型学习样本的选定

研究神经网络理论用于内燃机排放预测模型时学习样本的选取方法，针对内燃机工况变化的特点，对传统的正交设计法进行了改进，提出并验证了用考虑因素边界变化的正交设计法选取样本的可行性。研究结果表明，模型的预测精度随着正交表位级的增加而提高，即使只有3位级的正交表设计样本，也能建立预测误差低于5．7％的内燃机稳态排放特性预测模型，具有试验工作量小、简便易行的特点。     

基于改进BP算法神经网络的路况评价模型研究

通过利用在BP神经网络中增加反馈信号及偏差单元的网络模型,生成内部回归网络,对BP神经网络进行改进,据此得出改进的BP神经网络的具体步骤.在此基础上,结合陕西省高速公路沥青路面的实际情况建立了路况评价模型,并对该模型的具体应用做了研究.研究结果表明:网络的收敛速度很好,训练结果与实际路况结果相差很小,利用改进BP算法神经网络建立的路况评价模型不仅方便易用,而且精度很高.     

基于神经网络和遗传算法结合的桥梁结构损伤诊断

利用神经网络对有限元计算的样本数据建立起桥梁结构的损伤参数——损伤位置、损伤程度（输入）以及位移差——损伤结构与完好结构的位移差（输出）的全局性映射关系，以获得遗传算法求解桥梁结构损伤问题所需的目标函数值，从而识别桥梁的损伤参数．某连续梁桥算例表明，此方法可以在较少的有限元分析次数下获得较好的损伤诊断结果．