引入因素分析法的神经网络在洪水

因素分析法是一种多元统计法，可以通过线性变换，将原有数据转换成彼此不相关且维数较少的数据，本文将因素分析法引入洪水预报神经网络的输入单元精简过程，详细介绍了建模和神经网络训练过程中包括STA训练控制在内的一些关键技术问题，并通过实例评价了此应用方法的效果，通过分析，表明此方法可以在不损失或较小损失的前提下方便有效的对洪水预报神经网络结构进行精简，大大缩减了神经网络的规模，提高了效率，具有很高的实用价值。     

应用TME法测定棉籽仁榨油前后氨基酸的有效性

本试验采用10只切除盲肠的青年伊莎公鸡。应用 TME 法测定了棉仁和制油后的棉饼的氨基酸有效性,结果表明棉仁中氨基酸的平均真利用率极显著地高于棉饼(78.35%对56.52%,P<0.01),其中赖氨酸的真利用率二者分别为73.30%和32.71%,棉仁高出棉饼40.49个百分点,因此对开发棉籽蛋白具有重要意义。     

基于支持向量机的洪水预报模型初

用传统的机器学习方法进行洪水预报建模存在泛化能力难以保障，训练速度慢等一些困难。对统计学习理论和支持向量机的基本内容和核心思想进行了简要的介绍，探讨了基于支持向量机的洪水预报模型的建模方法。通过实例中的应用，该模型显示了泛化能力强，训练速度快，便于建模等优点，有良好的应用前景。     

竖井式抽水蓄能电站进/出水口的水力特征

采用小孔扩散方式所建立的轴对称二维切片模型和二维轴对称数值模型,对抽水工况的出流特性和尾流的水流摆向进行了研究.试验与数值模拟结果显示,抽水工况下出流可视作射流,水流摆向与水位有一定关系,高水位时摆向河床,低水位时摆向水面;三维模型对比试验显示,抽水工况下采用防涡板结构时的进/出水口水头损失系数可达0.61,而无防涡梁、阶梯防涡梁和水平防涡梁等3种结构的水头损失系数范围为0.44~0.48;发电工况下水头损失系数均接近0.40.试验结果显示,竖向扩散段的扩散角小于9°时能保证配水均匀.采用2~3倍发电流量观察发电工况时漩涡的形成,试验显示漩涡的变化特征随水位发生变化：高水位时在进/出水口顶盖上部形成单一的漩涡;当水位降低到一定程度后,大环流转化为若干个漩涡,漩涡数量与导流墩数量相同.两个进/出水口同时运行时,环流之间相互干扰,可能形成一顺一逆环流.     

超短竖井式进/出水口的水力控制

弯道后的水流调整不好,可导致进/出口存在严重偏流和水头损失增大.为了保证竖井式进/出水口的配水均匀性和水力稳定,采用三维RNG k-ε紊流模型,对某抽水蓄能电站上水库盖板竖井式进/出水口进行了数值模拟,并进行了模型试验验证.重点对比研究了竖井扩散段采用椭圆曲线与渐扩锥管两种形式在抽水工况出流时的流动特性.计算结果显示,渐扩锥管的配水均匀性和稳定性均好于椭圆曲线扩散管的.对比分析了弯道后渐扩锥管扩散角分别为4.3°,5°和7°时的配水均匀性,计算结果显示竖井式进/出水口应尽可能控制扩散段的扩散角,防止出现偏流;在弯管段后的扩散段的扩散角宜小于4.5°.采用物理模型对推荐体型进行了验证,模型试验显示按照推荐体型设计的进/出水口配水均匀,双机抽水工况下总水头损失系数为0.48;双机发电工况下,总水头损失系数为0.33.