旋挖钻机多功能设计与应用探讨

论述了旋挖钻机多功能应用的必要性、多功能设计思路及方案,并对各功能配置及应用做了介绍。通过旋挖钻机的多功能设计,可大大拓展旋挖钻机的使用范围,降低用户设备购置成本,提高成孔质量,满足环保要求。     

基于单片机的智能轮椅控制系统设计

为提高轮椅使用者的生活自理能力,本文提出一种智能轮椅控制系统.该系统由STM32单片机进行控制,采用模块化、系统化设计,电源模块、摇杆模块、避障模块、驱动模块构成有机整体,各个模块共同作用、相互协调,共同构成了一个安全可靠的轮椅控制系统.通过通信设计可实现模块间数据的发送与接收.该轮椅设置手动控制和自动控制两种方式,可实现轮椅使用者独立生活和近距离出行,运行安全可靠.     

MESIS系统省级应用中关键技术集成分析

MESIS系统是基于地理信息、数据库、可视化、工作流、多媒体和WEB等多门综合信息技术的新一代气象服务产品分析制作系统。在四川省气象台本地化应用中解决了数据接口、地图本地化、后台产品功能模块化的关键技术问题,实现了GIS技术与气象实况暴雨、高温、雷雨大风多要素气象信息有机融合。产品后台自动化处理,降低了MESIS使用难度,更易在省、地市推广。     

基于WebGIS的一种配电管理系统的设计与实现

以GeoSurf 4.0作为WebGIS开发平台,采用模块化动态构建的思想,建设了一个既包含WebGIS功能又包含电力应用的配电管理WebGIS平台,不仅实现了地理图、站内图、结线图的显示、浏览和查询,与SCADA实时信息的集成,还定义了电力应用模板组件,便于配电管理业务封装成独立的功能模块,通过配置信息动态加入系统中,利于系统升级和扩充.     

MT3D-通用的三维地下水污染物运移数值模型

定量研究污染物在地下水中的运移过程通常采用数值模拟方法。MT3D是一套基于有限差分方法的污染物运移模拟软件，近年来在国外水文地质和水环境模拟等领域的研究中已经得到较为广泛的认可。MT3D比较全面地考虑了污染物在地下水中的对流、弥散和化学反应等过程，可以灵活处理各种复杂的源汇项和边界条件，能够准确模拟承压、无压和越流含水层中的污染物运移过程。MT3D具有模块化的程序结构、灵活的求解方法以及全面的模拟功能，非常适合实际问题的研究，值得在国内推广使用。     

基于特征层融合的高光谱图像异常检测算法研究

介绍了一种基于特征层融合的异常检测算法。目前，其他的目标检测算法都需要知道有确定类别标记的样本，而一般的异常检测则是利用统计特征差异分割出图像中不同于背景的点。此方法减少了对先验信息的依赖，但是其结果存在较大虚警。提出的异常检测算法是利用低概率检测算法对高光谱数据先进行特征层融合，再进行分割、提取异常点，其结果降低了虚警和漏警。用这一方法对OMIS系统产生的数据进行了处理，取得了较好的结果。     

MODAS试验数据统计分析

模块化海洋数据同化系统（MODAS）通过同化卫星遥感测得的海面温度和海面高度,产生一种动态气候态,能够更接近地预报出海洋的真实状况。介绍了MODAS基本原理,并选择试验海区,对MODAS数据进行了统计和分析。     

基于CAN总线的自动气象监测系统中的设计

提出基于CAN总线具有很强扩展能力、能灵活配置，可满足各种不同应用和需求的自动气象监测系统。重点介绍系统的硬件和软件的设计方法。     

A Short-Term Climate Prediction Model Based on a Modular Fuzzy Neural Network

In terms of the modular fuzzy neural network (MFNN) combining fuzzy c-mean (FCM) cluster and single-layer neural network, a short-term climate prediction model is developed. It is found from modeling results that the MFNN model for short-term climate prediction has advantages of simple structure, no hidden layer and stable network parameters because of the assembling of sound functions of the selfadaptive learning, association and fuzzy information processing of fuzzy mathematics and neural network methods. The case computational results of Guangxi flood season (JJA) rainfall show that the mean absolute error (MAE) and mean relative error (MRE) of the prediction during 1998 2002 are 68.8 mm and 9.78%, and in comparison with the regression method, under the conditions of the same predictors and period they are 97.8 mm and 12.28% respectively. Furthermore, it is also found from the stability analysis of the modular model that the change of the prediction results of independent samples with training times in the stably convergent interval of the model is less than 1.3 mm. The obvious oscillation phenomenon of prediction results with training times, such as in the common back-propagation neural network (BPNN) model, does not occur, indicating a better practical application potential of the MFNN model.