BP神经网络在焉耆盆地农田排水量

利用BP神经网络技术对焉耆盆地农田排水量进行预测。利用灰色关联度分析确定了排水量与各影响因素的关系，选取了对排水量影响最大的5个因素作为BP网络的输入，利用均匀设计方法，确定了最优的神经网络结构。估算结果表明利用BP神经网络可以准确的估算农田排水量，最大相对误差仅为-2.45％。     

BP网络在焉耆盆地土壤积盐影响因素分析中的应用

以焉耆盆地为例，采用BP网络技术，对土壤舍盐量与各种影响因素的关系作了初步定量评价，发现潜水矿化度和潜水位埋深是土壤舍盐量的最敏感因素，其次是灌区引水量、引盐量和地下水蒸发量，其中灌区引水量大是焉耆盆地土壤次生盐渍化加剧的最主要因素；而潜水位埋深是土壤脱盐最敏感的因素。焉耆盆地土壤次生盐渍化防治应从减少灌溉引水量和降低地下水位入手。     

新疆焉耆盆地土壤盐渍化特征分析

对黄土高原不同区域山坡道路建设产生的水土流失效应,不同区域道路侵蚀类型,地貌演化差异性进行了分析研究。在充分考虑植物抗旱性的基础上,通过对道路适生植物资源及植物抗旱性初步研究,提出了道路防治体系设计与植物路植物措施配置原则、技术体系,提出了适应路面、路坡栽种的草灌种类。