SOM神经网络改进及在遥感图像分类中的应用*

针对自组织特征神经网络自身算法的特点和缺陷,采用遗传算法对网络进行改进,形成了基于遗传算法的自组织特征神经网络,并从输入向量、竞争层神经元数量设置和初始权向量设定三方面,结合遥感图像的特性对自组织特征映射网络遥感图像分类的方法进行了改进。将该方法应用于择西安地区的ETM+卫星遥感图像进行分类试验,结果表明,基于遗传算法的自组织特征映射网络使得遥感图像的分类精度更高,且该算法实现简单,具有一定的工程应用价值。     

对大型商业建筑内部空间营造的思考

通过对国内外商业建筑的广泛关注,指出了商业建筑内部空间对于顾客的影响力所在,并结合实际案例归纳了四点空间营造策略,力求为日后的设计工作做好理论上的准备。     

突出节水增效坚持四个结合

高邮灌区地处淮河下游的江苏省里下河地区,是南水北调东线工程水源引水区.灌区引京杭运河水自流灌溉,总面积649km2,耕地面积4.2万hm2.……     

粉末活性炭对焦化反渗透浓水的吸附选择性研究

以活性炭为主的吸附材料在面对工业尾水时对不同种类有机污染物的吸附存在一定的差异并难以彻底去除。实验通过粉末活性炭（PAC）对焦化反渗透浓水（ROC）的吸附过程进行解析,结果表明,PAC的吸附选择性主要基于两个方面的因素：一方面,十四烷、角鲨烯等部分长链有机物的分子直径大于PAC的最佳吸附孔径（0.5～1 nm）,因此难以得到有效去除;另一方面,有机物对PAC表面大量含氧官能团的相互竞争以及PAC表面含氮官能团的缺少,使得苯酚类有机物与PAC之间的相互作用降低。从PAC对ROC的吸附过程来看,吸附启动阶段PAC主要依靠孔道通过物理作用吸附芳香类有机物,而在吸附中期则依靠表面官能团与有机物的相互作用吸附烷烃、烯烃等非芳香族有机物,整体吸附过程更符合拟二级动力学和Freundlich等温模型。     

中庭空间再思考——多样化的中庭运用

建筑中庭空间作为普及化的建筑理念,早在20世纪就得到广大建筑工作者的研究与运用。然而,当我们站在新世纪潮流之巅,以更高、更全面的视角重新审视当代建筑的中庭构成时,我们不难发现由于建筑类型的复杂化、多样化,中庭空间也呈现出纷繁复杂的组成特点。因此,该文将通过对不同建筑类型的中庭空间进行分析,寻找出它们各自的特点和相似的规律,从而为中庭空间在建筑中更好的运用寻找到答案。     

基于遥感图像的城市用地分类与增长仿真

遥感数据可以为城市增长CA仿真提供准确全面的输入数据.讲述了利用基于K-Means变异算子的混合遗传算法中的聚类方法通过ETM+遥感图像中对城市用地进行分类以及提取仿真输入数据的方法,在MAPINFO平台上应用一种复杂适应系统与CA结合的模型对西安的城市用地增长进行了仿真.实例表明,分类方法以及仿真方法具有一定的实用价值,仿真结果可以反映城市发展的客观规律,对城市的发展及规划具有积极的指导意义.     

激发城市活力的街道人性化转型探索 ——以墨尔本为例

随着城市发展进入存量建设时期,城市街道作为承载人们日常生活的公共空间,将是恢复城市活力最重要的关注对象之一。文章通过对墨尔本中心区街道发展历程的回顾,分项解读中心区街道人性化转型的具体措施,得出坚持数十年以人为本的街道持续更新模式,是墨尔本街道成功转型的关键。最后结合墨尔本经验,对中国未来城市街道更新改造提出相应的建议。     

当代建筑的曲线形式研究

针对当代建筑设计中曲线形式被广泛运用的现象,探讨了建筑曲线形式独有的特性,并就建筑曲线形式的具体适用原则进行分析,力求引起更多的建筑师对曲线建筑语言的关注。     

邗江区水稻害虫抗药性监测及治理技术研究

2012-2014年,开展灰飞虱、褐飞虱、稻纵卷叶螟和二化螟对几种常用药剂的室内抗药性监测和田间药效验证试验,并提出抗性治理措施。结果表明:示范区内可轮换使用噻虫嗪、烯啶虫胺和吡蚜酮防治灰飞虱,停用毒死蜱;烯啶虫胺、呋虫胺、氟啶虫胺腈可轮换用于防治褐飞虱,限用吡蚜酮,停用吡虫啉、噻嗪酮、噻虫嗪;阿维菌素、三唑磷、氯虫苯甲酰胺可轮换用于防治二化螟,限用毒死蜱、杀虫单;氯虫苯甲酰胺对二化螟的田间防效较理想,但对稻纵卷叶螟的防效有待进一步试验验证。     

基于K-Means变异算子的混合遗传算法聚类研究

遗传算法具有良好的全局搜索能力,但有过早收敛和过慢结束的缺点。K-Means算法具有很强的局部搜索能力,但算法有对初始聚类中心敏感而易陷入局部最优解。针对上述问题,提出了基于K-Means变异算子的混合遗传算法聚类,将K-Means算法的局部搜索能力与遗传算法的全局寻优搜索能力相结合,在遗传算法中引入K-Means变异算子,采用符号编码、自适应变异、最优个体保留策略的混合遗传算法。仿真实验表明,该算法有效克服了遗传算法过慢收敛和K-Means算法陷入局部收敛的问题,从而得到更好的聚类效果。