三维复合材料复合裂纹特殊边界元法

利用两相复合材料位移基本解，将受复合载荷作用下复合材料三维裂纹问题，归为求解一组超奇异积分方程，并分析了对裂纹尖端应力奇性和方程组求解理论方法；进而以反映裂纹前沿应力奇性的密度函数基本解表示位移间断，根据Taylor积分及其特征展开特性，给出方程组数值求解方法；最后，以三维矩形裂纹为例，讨论了应力强度因子（SIFs）收敛性及其变化规律。     

复合材料模型分析加筋地基承载力

利用复合材料模型模拟加筋地基，按照土塑性力学分析加筋地基的变形和破坏，并按传统滑移线解法推导出浅基础加筋地基的承载力设计公式，利用实例比较探讨了本文方法与传统极限分析法的优缺点。     

沼气池发酵原料配比及快速启动技术探讨

本文对沼气池发酵原料的配比、预处理、发酵微生物、浓度、CN比、pH值、温度等七个主要因素作了定量试验研究,并提出了较为合理的配方比例和沼气池快速启动的方法.     

自压式树状管网的两级优化设计模型与神经优化设计

建立了自压式树状管网两级优化设计模型，并用人工神经网络法实现树状管网非线性规划模型的快速求解。采用的人工神经网络技术的两级优化设计模型在适用范围、求解速度和获得最优解能力上，均优于单一的非线性规划模型和线性规划模型，是实现树状管网全局优化设计的一条新途径。     

BMC材料气门罩壳的振动分析

在内燃机表面噪声中,气门罩壳是主要的噪声源之一.将BMC材料用于气门罩壳,采用有限元方法对其进行模态分析和谐响应分析,并与铸铝罩壳进行了比较,计算结果表明,BMC材料用于气门罩壳具有减振、降噪的作用.     

人工神经网络在我国水科学中的应用与展望

简要介绍了人工神经网络的发展、结构与特点；从预测预报、评价、水灾害防治、水资源配置与管理决策4方面，综合评述了人工神经网络在我国水科学中的应用，并就人工神经网络今后在我国水科学中的应用与研究做了展望。     

回转筒内秸秆碎料回转周期和料层完全混合时间研究

基于试验和理论分析,研究了回转筒型固态发酵罐内秸秆粉碎料的料床回转周期,建立了数学模型,其计算准确度达95%以上;结合图像分析法和料床回转周期,发现筒内上下料层完全混合时料层所转圈数与筒体转速关系不大,与筒内料体积填充率呈线性关系。由此回归并推导出只需知道筒内料体积填充率和筒体转速,便可预测上下料层完全混合的公式,其计算准确度达90%以上。提出了以上研究成果在工业级发酵罐中应用的方法。     

对两个材料力学问题的探讨

在材料力学中,对铸铁试件的轴向压缩破坏一般都认为破坏断面与杆件横截面成45°角;在材料的应力分析上,只对平面应力状态进行研究,对三角形单元的应力研究轻少。为此分别采用实验方法和分析法,对上述两个问题进行探讨。其实验结果是:铸铁试件的压缩破坏一般在55°左右,考虑内摩擦力的影响后,得到了很好的理论解释;而对三角形单元的应力分析,用应力圆法求解简单方便。对这两个问题的研究,将有助于材料力学的应用与发展。     

Artificial inoculation and susceptibility of Pinus armandii to Dothistroma septosporum

Dothistroma needle blight (DNB) is a serious needle disease of conifers that primarily affects pine species (Pinus spp.). Dothistroma septosporum is one of the DNB pathogens that has a diverse range of host species excluding Pinus armandii. In 15 inoculated P. armandii seedlings, D. septosporum acervuli were observed in 43 infected needles of ten seedlings with a mean disease severity of 1.11% at 25 weeks after inoculations, demonstrating the potential of D. septosporum to cause symptoms on the needles of P. armandii via artificial inoculation. The disease severity of P. armandii was similar to the positive control, Pinus nigra (median 0.75 for P. armandii to 0.70 for P. nigra), thus, P. armandii acts under artificial conditions as a susceptible host species.     

基于径流分类的日径流量预测神经网络模型

利用聚类分析法将径流序列分解为若干个子径流序列 ,对这些子径流序列分别建立局部神经网络模型 ,而后把这些局部模型合并成一个混合模型。当新的信息进入该模型时 ,首先用分类器判别其类别 ,以确定用混合模型中的何种局部模型加以模拟。通过与不加分类的总体神经网络模型的模拟结果加以对比 ,结果表明这种基于径流分类的降雨 -径流模型表现出了更优良的性能 ,可以较大地提高径流模拟精度。