废旧动力锂离子电池正极材料资源化利用

这是一篇陶瓷及复合材料领域的论文。随着新能源汽车产业迅速发展，动力锂离子电池产量急剧增加。然而，由于动力锂离子电池使用寿命短，即将面临大规模退役，因此对动力锂离子电池进行有效资源化管理十分必要。本文首先对动力锂离子电池主要组成成分进行介绍，并阐明了其进行正极材料回收前梯次利用和预处理进程，重点综述了废旧动力锂离子电池正极材料火法、湿法和生物法回收技术，提出了生物法回收在废旧动力锂离子电池正极材料资源化处置问题上面临机遇与挑战。本文成果将为动力锂离子电池绿色资源化回收提供参考，促进新能源汽车产业健康发展。     

黄河中游粗泥沙集中来源区产沙规律综述

在前人研究的基础上分析总结了该区特有的暴雨洪水产沙规律：暴雨是侵蚀产沙的主要动力，暴雨、洪水、泥沙之间存在着必然的关系；洪水发生时间集中，峰高量大，暴涨暴落，对黄河中游大洪峰的形成具有决定性影响；侵蚀产沙强烈而粗泥沙集中，输沙能力强，洪水含沙量高，是黄河粗泥沙的集中来源地；河龙区间特别是粗泥沙集中来源区频繁或连续的暴雨洪水对黄河输沙有重要影响；随着治理水平的提高，区域洪水有减小趋势，但泥沙量变化不明显，大部分支流的洪峰流量、洪水含水量反应不敏感，说明一般规模和水平的治理工程还不能有效控制区域大洪水特别是特大洪水的泥沙。     

人工神经网络理论及其应用

简要介绍了人工神经网络的发展过程和基本理论，从神经网络具有自学习功能、联想存储功能和高速寻找优化解的能力三个方面论述了其特点和优越性，详细阐述了在模式识别、信号处理、自动控制、人工智能、自适应的人机接口、优化计算、通信以及其它方面的应用，探讨和分析了其发展前景。     

基于优化BP神经网络的PID控制研究与仿真

PID控制要取得较好的控制效果．就必须通过调整好比例、积分和微分三种控制作用，形成控制量中既相互配合又相互制约的关系。优化BP神经网络是一种前向神经元网络，具有学习速率快、振荡小、精度高的优点，将其隐含层单元分别作为比例（P）、积分（I）、微分（D）单元。可以建立参数自学习的PID控制器。仿真结果表明基于优化BP神经网络的PID控制器具有较好的自学习和自适应性。     

一种新的基于SVM-KNN的Web文本分类算法

在应用基本的支持向量机算法的基础上,提出了一种新的Web文本分类算法。将SVM算法和KNN算法进行结合,提出了基于SVM-KNN的Web文本分类算法,用KNN算法来弥补传统SVM算法的不足,以简单的思想和较小的实现代价对传统SVM算法进行有效的改进,收到了良好的分类效果。     

基于RBF神经网络混合遗传算法的多用户检测

提出了一种混合递阶遗传算法来同时训练RBF神经网络的结构和参数,引入了改进的染色体编码方案,用基于奇异值分解的最小二乘法计算网络输出层权值,提高了遗传搜索的效率,精简了网络结构.并用变学习速率梯度下降法优化遗传训练出的最优网络,应用到多用户检测中.仿真结果表明,新混合学习算法训练出的网络结构优于其它算法训练的网络结构,并且性能良好.     

基于支持向量机的中文娱乐新闻词语的识别

在应用基本的支持向量机算法的基础上,提出了一种新的分布增量学习方法,利用主动学习策略对训练样本进行选择,逐步增大提交给学习器训练样本的规模,以提高学习器的识别精确率.实验表明,采用主动学习策略的支持向量机算法是有效的,中文娱乐新闻词语识别的正确率和召回率分别达到了78.92%和86.42%,收到了良好的效果.     

基于定常线性迭代法的PSO算法收敛性分析

PSO算法本身是线性时变离散系统,现有的PSO算法收敛性条件的研究都是通过一定的假设将其转化为线性定常离散系统,线性定常离散系统的数学模型与求解线性方程组的单步定常线性迭代法的数学模型完全一致,这样对线性定常离散系统的稳定性分析就转化为对单步定常线性迭代格式的收敛性分析,为PSO算法的收敛性研究提供了一种新的思路和方法。     

基于改进型Hopfield神经网络的盲多用户检测算法

基于Hopfield神经网络没有学习规则,不需要训练,也不会自学习,靠Lyapunov函数的设计过程来调节权值的特点,将广义罚函数与Hopfield神经网络的能量函数结合,基于最小平均输出能量准则,构造出更合适的新目标函数,分析讨论了一种实现DS/CDMA盲多用户检测的改进型Hopfield神经网络方法。仿真结果表明,该算法在误码率、抗远近效应方面都有明显的改善。     

基于植被指数的藏北牧区土壤湿度反演

土壤湿度的遥感动态监测在农牧业生产中具有重要意义。近年来,多种基于遥感指数的土壤湿度监测方法被提出并得到广泛关注,但当前对不同深度土壤湿度的反演及植被指数反映土壤湿度滞后性的研究较少。该文针对遥感指数反演土壤湿度的精度问题,对MODIS(moderate resolutionimaging spectroradiometer)的2种植被指数产品归一化差异植被指数(normalized difference vegetation index,NDVI)和增强型植被指数(enhanced vegetation index,EVI)与土壤湿度实测值进行相关分析,并利用在其中一个样点得到相关系数最高的回归模型对距离较远的其它点进行土壤湿度值估算,最后用土壤湿度实测值对模型的精度进行验证。结果表明,2种植被指数均与土壤湿度值呈现出较强的相关性,且利用植被指数估算土壤湿度的延迟天数为5～10 d。在相同气候模式、土壤类型和植被类型的条件下,高程为影响回归模型精度的主要因素。该研究可为牧区多层深度土壤湿度反演方法的选择和监测提供参考依据。