GIS技术在洪灾风险评估中的应用

分析了GIS在洪灾风险分析中的应用，探讨了洪水频率的分析方法，提出以美国曲线数模型和GIS相结合的方法研究洪灾风险影响，及基于KS、GIS技术和SCS渗透法的净雨及其概率计算的方法，讨论了如何利用GIS技术进行洪水淹没水深和范围的提取。     

基于行为模型算法的入侵检测技术研究

在分析现有的入侵检测技术的基础上，提出基于行为模型的入侵检测技术．通过学习模式和检测模式来分析行为模型算法．本文从URI检测、客户请求的数据检测及访问顺序检测这3个部分来阐述基于行为模型的入侵检测技术的检测原理．经过测试，行为模型算法对现有的攻击（如SQL注入攻击、跨站脚码攻击、隐藏域攻击）能起到有效的防御；对现今未发现的攻击行为，在它出现后可以通过学习、建模也能进行很好的检测．     

空穴传递混合器的结构原理与应用

阐述了适用于挤出机上的空穴传递混合器（CTM）的结构特点、混合机理，并给出了应用实例。空穴传递混合器对物料有较强的混合、塑炼和分散功能，应用空穴传递混合器后，在CTM高的剪切和分散功能作用下，使挤出物的混合质量有了大幅度的提高，流动条纹厚度明显减小。     

步长自调整的预测模糊控制器的研究

在介绍灰色模型(GM)建模的基础上,把预测控制的思想引入到模糊控制器中。模糊控制器的两个输入变量为设定值,与灰色预测模型的输出值之间比较得到预测误差及其预测误差的变化率。并根据过程状态提出了一种预测步长自调整的模糊决策机制,进一步改善系统的控制性能,即把由模糊决策器得到的预测步长作为灰色预测模型的一个输入来控制。仿真结果表明,该方法具有良好的控制性能和实用价值。     

不同开发工具中混合编程的研究与实现

研究了不同开发工具中混合编程的方法，解决了不同开发语言间代码重用的问题，充分发挥了各种开发工具在软件设计中的优势，提高了开发效率，缩短了开发周期。通过具体示例演示了如何在不同开发环境中进行混合编程，同时给出了不同开发语言中进行混合编程的注意事项。     

双四象限探测器位置自适应测量新模型

为了得到最佳的动态跟踪性能，提出了最小二乘向量机与矩阵光学相结合的建模方法，建立了双四象限探测器在激光跟踪光路中的全新测量模型，该模型可实现对探测器参数的自适应测量．相对于以往的数学模型和测量方法，该模型具有清晰的物理含义，更符合研究对象的工作机理．使用该模型可获得更完整的测量样本，消除了测量中的“死点”和“坏点”，对位移量测量的不确定度为1μm，最大误差在原研究基础上减小了3μm，系统也省去了多维高精度的测量和机械调整系统．这一模型同时为三维小角度测量提供了一个快捷的技术途径．     

一种用于虚拟试验的双向可控知识引擎

提出了用XML描述作物生长模型脚本的方法，通过引入组件技术构建出知识引擎组件，组件的结构是基于Observer模式的，可用不同的功能类来处理脚本中不同功能节点的信息．针对脚本中自定义的3种变量，开发了类似于C＋＋的模板类并进行归一化处理，以减少代码的冗余．知识引擎组件对象把生长模型的XML脚本作为自身的一个属性对XML脚本进行实时解释，驱动虚拟作物器官组件对象生长，使生长模型中的农学知识从虚拟作物试验系统开发平台和虚拟作物器官组件中分离出来．在运行过程中使用多线程技术使知识引擎能够受外部控制，随时中断解释，以便于进行试验．通过一棵完整玉米的虚拟生长过程，验证了所提知识引擎能使作物形态的数学模型与作物形态显示模型完整地结合在一起，真实地再现作物的生长发育过程．     

在线增强型复值混合信号盲分离算法研究

基于二阶统计量，对在线分离复值混合信号法进行了研究．假设源信号是独立的且非常态，信号的伪协方差矩阵能增加约束条件，从而可证明二阶统计量能够完全分离复值混合信号，而且对信号是否平稳不作要求．结合非常态信号的独立性，构造出代价函数，利用梯度下降法推导出在线盲分离算法．通过盲分离算法的仿真试验，发现所提出的盲分离算法能充分利用复值非常态信号的二阶统计量，算法具有鲁棒性好、运算速度快和可在线实现等优点．     

一种计及损耗的变压器非线性模型

建立了一种计及损耗的变压器模型，用线性电阻、电感的串联模拟漏阻抗，用非线性电阻和非线性电感的并联模拟励磁支路，并提出建模算法，由变压器空载试验测得的电压、电流有效值和功率损耗，得到非线性电阻和非线性电感分段线性化的瞬时值特性曲线．应用该变压器模型和另两种模型，分别对330kV系统中的切除空载变压器过电压进行了仿真，对比计算表明，计及变压器铁损的非线性后，切除空载变压器过电压有明显的降低，过电压的幅值由忽略铁损的723．099kV和用线性电阻模拟铁损的582．036kV，降低到铁损的非线性模型的396．519kV．该变压器模型有助于准确地对电力系统中涉及变压器饱和特性的现象进行研究．     

无偏GM(1,1)模型的动态特性分析

传统GM(1,1)模型是最基本的灰色预测模型,无偏GM(1,1)模型是在传统GM(1,1)模型基础上的一种改进,它消除了传统GM(1,1)模型本身所固有的偏差.对无偏GM(1,1)模型的动态行为特性进行分析,并与传统GM(1,1)模型进行对比,明确了无偏GM(1,1)模型特性和适用条件.