简介：对10尾池塘养殖黄颡鱼的含肉率及营养成分进行了测定，并与部分淡水经济鱼类相比较，对其营养价值作了综合评定。池养黄颡鱼的平均含肉率为72．1％，肌肉中粗蛋白、粗脂肪含量分别为16．557％、4．14％；17种氨基酸总含量为15．373％(色氨酸因酸解破坏)，其中7种必需氨基酸的总含量为6．703％，占氨基酸总含量的43．60％；必需氨基酸的含量为2529mg／gN。必需氨基酸占氨基酸总量的百分比、必需氨基酸含量均超过WHO／FAO提出的标准；必需氨基酸指数为80．21，氨基酸分和化学分分别为0．80、0．45；四种鲜味氨基酸的总含量为5．868％。

简介：现已研究提出用超声波分析确定RCC凝固时间的方法。利用超声能可以探测到RCC材料内部水化物的渐进增长。本文对素RCC及一种包含塑化-缓凝掺合料的RCC的凝固时间进行了研究。在哥伦比亚的米耶尔Ⅰ号(MielI)坝坝址进行了各种大气条件下的测量。

简介：

简介：尚义县地处河北省西北部的坝上高原地区，是个传统农业小县。总人口１８．９万人，农业人口１７．１万，占总人口的９３．７％，人均占有耕地近７亩（１公顷＝１５亩）。由于地理位置所限，气候条件恶劣，多风少雨，十年九旱，农业产量低而不稳，靠天吃饭的状况多年得不到...

简介：以某大坝沉降监测数据为例，利用Matlab软件的BP神经网络工具箱进行建模分析和预测。结果表明，滚动BP神经网络算法能较好地应用于大坝沉降数据的预测，具有良好的应用前景。

简介：针对径流量长期变化的因果关系复杂特性,常规的中长期水文预报模型又很难满足精度要求,提出了基于BP神经网络的来水量预测模型。结合实际径流数据,验证了模型的预报精度,可用来进行中长期水文预报。

简介：分析了影响城镇日用水量的非线性因素，利用人工神经网络，选择影响城市日用水量的主要因素。建立城镇日用水量预测模型，并将该模型的预测效果与传统的日用水量模型预测效果进行比较，结果显示该模型的预测精度更高、所需时间更短、更适用于影响因素较多的城市日用水量的预测。

简介：本文在分析影响作物蒸发蒸腾量的气象因子的基础上,以不同的气象因子组合为输入向量,以参照腾发量为输出向量,构建了气象资料不足情况下三种计算参数腾发量的BP神经网络模型BPET1、BPET2和BPET3.利用宁夏引黄灌区2000～2003年的逐日气象资料对所建模型进行反复训练和预测,并把预测结果与传统的Penman-Monteith公式计算而得的同期作物ET0值相比较.其中,BPET1的预测值与ETO值的相关系数平方为0.9914;BPET2的预测值与ET0值的相关系数平方为0.9917;BPET3的预测值与ETO值的相关系数平方为0.9854.研究结果表明,本文构建的模型计算精度较高,方法简便可行,能满足实际生产需要.

简介：本文介绍了脉冲式超声波反射法测厚原理,分析了影响测量精度的相关因素,提出了相应措施,通过试验验证,探讨了采用超声波检测仪进行测厚的应用范围及测量误差问题,为使用超声波检测仪进行高精度测厚提供了借鉴。

简介：黄土的湿陷起始压力是评价黄土湿陷性的重要指标之一.影响黄土湿陷起始压力的因素有很多,且各因素间并非独立,通过分析各物性指标间的相关性确定塑性指数、含水率、干密度作为影响黄土湿陷起始压力的因素.本文提出并建立了黄土湿陷起始压力的人工神经网络预测模型,选取新疆伊犁地区黄土的数据作为神经网络模型的学习和预测样本,将神经网络模型的预测结果与实际结果对比可知二者误差小于10%.利用陕西彬县黄土数据验证了网络模型的通用性,说明用人工神经网络方法计算黄土湿陷起始压力准确、可靠,建立了一种计算湿陷起始压力的新方法.

简介：在调水工程中,如果泵站站前水位过低,会危及泵站安全,如果水位过高,会危及周边安全,因此探寻调水工程中河渠湖库水位变化显得尤为重要.以南水北调东线山东段南四湖为研究区域,寻求不同起调水位、出入流量、泵站开启时间差的调水方案下泵前水位变化规律.先利用耦合模型对不同的调水方案进行数值模拟,然后选取23组调水方案及其数值模拟所得的泵前水位作为样本训练BP神经网络,建立BP神经网络调蓄水位预测模型并进行验证,最后利用预测模型对不同调水方案进行泵前水位预测.结果表明,BP神经网络预测模型具有很强的预测能力,预测模型结果与耦合模型结果泵前水位基本吻合,水深相对误差小于9.15%,而模型计算效率提升96.67%.

简介：根据改进的BP神经网络，阐述了在结构损伤检测与识别上的应用。同时对该网络在结构检测应用过程中应该注意的问题做了探讨，展望了BP神经网络在结构损伤检测与识别上的发展方向。

简介：造成中长期水文预报研究和预报困难的主要原因是水文现象本身的复杂性和不确定性,以及内部复杂的非线性关系,针对这些问题,本文建立了一种小波神经网络时间序列模型,并用遗传算法对小波神经网络的连接权值和伸缩变量、平移变量进行优化。使用这种模型对黄河三门峡站逐年月天然流量进行预报检验,并将检验结果与传统的小波神经网络和BP神经网络进行对比,从模型预报精度、趋势性和稳定性3个方面进行分析,分析发现,这种遗传算法优化的小波神经网络时间序列模型能够有效地克服传统的小波神经网络和BP网络容易陷入局部极小的缺陷,能够对水文现象的趋势性作出较精确的预测,具有良好的预报精度和稳定性。