氨氮测定过程中的影响因素的讨论

1 前言 水体中氨氮(NH_3—N)以游离氨(NH_3)或铵盐(NH_4~+)形式存在于水中,两者的组成比取决于水的PH值。当PH值偏高时,游离氨的比例较高。反之,则铵盐的比例为高。水中氨氮的来源主要为生活污水、工业废水、农用排水等含氮有机物受微生物作用的分解产物。其测定方法是纳氏试剂光度法(GB7479—87),其方法简单、快速、准确度高,但方法的准确度受显色时间和室内温度的影响较大,那么对显色时间和温度的控制尤为重要。本文对纳氏试剂比色法的显色时间和温度控制进行初步探讨。     

一类单阶段混合制造系统的调度

研究了一类单阶段混合制造系统的建模、分析与调度问题，这类系统既包含离散事件动态，也包含连续时间动态，前者用排队网络描述，后者用微分方程描述。不仅考虑了这类系统的最优控制问题，而且考虑了工件进入生产线的最优时间，并用一个复杂的优化模型描述，同时给出了一个两层优化方法，内层给出对给定工件序列的最优控制，而外层用一改进的遗传算法求解工件进入生产线的最优时间序列。若干仿真实例说明了算法的有效性。     

带机器准备时间的同类机在线与半在线排序问题

研究带机器准备时间的m台同类机(uniform machines)在线和半在线排序问题，目标函数为极小化最大机器(工件)完工时间。对于在线情形，证明了LS算法的最坏情况为ρ=｛（1 √5）/2，m=2,1 √2m-2/2,m≥3，并且当m=2，LS算法是最好的近似算法；当m=2，3，…，6时界是紧的，特别地，当s1=s2=…=sm-1,sm≥l时，证明了LS算法的最坏情况界为ρ=｛（1 √5）/2，m=2,3-4/m 1,m≥3，而且界是紧的；对于已知加工时间递减的半在线排序问题，证明了LS算法的最坏情况界为2—2/(m 1)。     

陕西省人均粮食与人均耕地变化研究

对陕西省人均粮食及人均耕地变化进行了时空差异分析,结果表明:(1)近50余年的绝大多数年份为人均粮食占有量的递增期,且不同时段的增幅不同;粮食增长率大于人口增长率的时期,对应人均粮食的增长时期;(2)1978—1998年绝大多数地、市人均粮食递增,且地域差异明显;(3)近50多年来全省耕地面积总体逐年递减,近10年来减少之势加剧;同期人口数量的持续增长,造成人均耕地面积急剧减少.相关回归分析显示:各地、市人均粮食绝对增量与其相对增量之间呈正相关,人均粮食增加量占粮食增量的份额整体偏低;提高粮食生产水平及控制人口是增加全省人均粮食占有量的重要途径.     

瞬时冲力历时数据的处理及程序实现

提出了一种对碰撞过程冲力采样数据进行处理的方法及处理程序,通过对实验数据的分析,给出了从数据文本中搜索有效冲力数据的途径.该方法结合冲力瞬态数字测量仪和普通计算机系统,可用于广泛的力学测量研究中.     

关于模糊幂环的表示

李洪兴引入了HX环的概念，姚炳学给出了模糊幂环的概念作为HX环的推广。本文讨论了模糊幂环的基数与表示，指出：这类模糊幂环不是Zadeh意义下的模糊环，可以被一个经典环表示。作为例子，给出了模糊幂环的正则表示。     

二苯基碳酰二肼光度法测定镀锌层中铬

研究了二苯基碳酰二肼与微量铬的显色反应，在硫酸介质中铬与二苯基碳酰二肼反应生成可溶性的紫红色络合物，在波长为550nm处测其吸光度。当铬含量在0-25μg／50mL范围内符合比尔定律，此法应用于铁片镀锌层中微量铬的测定获得满意结果。     

基于小波模糊神经网络的陀螺仪故障诊断技术

为了提高陀螺仪故障检测灵敏度，分析了陀螺漂移特性，指出随机漂移是影响陀螺仪精度的主要漂移误差，也是影响性能可靠性的主要因素．针对此，提出了一种小波模糊神经网络故障诊断模型．此模型运用串联方式将小波分析、模糊逻辑和神经网络融合在一起，充分发挥它们各自的优点，并对陀螺仪实测数据仿真．仿真结果表明，采用小波分析提取陀螺的常值漂移，简单有效；运用神经网络对陀螺的误差和故障建模，使故障诊断具有自适应、自学习的能力，并互增强了故障诊断的容错能力；将模糊逻辑用于判决中，使判决结果更加可靠．     

多重模糊推理情形下的CRIP法

该文对模糊专家系统，模糊决策支持系统和模糊控制系统中常用的Zadeh的模糊推理合成法则CRI进行了推广，基于V^λ算子，该文提出了多重模糊推理情形下的带参数的模糊推理合成法则（简称CRIP法），它克服了传统的CRI法则的若干不足之处，能在极弱条件下满足假言推理，拒取式推理，具有推理的逼近性，通过参数的调整，CRIP法具有推理的灵活性和准确性，该文给出了参数的具体取值方法。     

多因素时间序列法的研究

该文分析现有的单因素时间序列法在实际应用中的不足之处，提出采用多无线性回归原理综合处理的多因素时间序列法。它首先利用单因素时间序列法对各项影响事物发展趋势的因素进行预测；然后利用多无线性回归法将各种因素综合起来，以求得事物的总发展趋势。利用股票数据对单因素法和多因素法两者进行比较，可以明显看出多因素法较之单因素法在预测精度上的优势。