一种树型网络拓扑简图的生成算法

给出一种树型网络拓扑的语义描述方法及其拓扑简图的生成算法。该方法通过建立网络联接线路标识串集和网络设备连接标识串集，来构造网络设备的拓扑描述，并计算生成网络拓扑简图。     

闽南：台湾浅滩渔场变性水团的初步分析

根据聚类方法，对闽南－台湾浅滩渔场变性水团进行划分，本海区共有６个变性水团。讨论各个变性水团在不同季节消长变化规律。     

Mooring optimization of floating platforms using a genetic algorithm

This paper presents a new procedure for the optimization of the mooring design of floating platforms, in which an automatic design sequence is also established. Regarding the optimization philosophy, the following aspects are dealt with:

• The optimization of the platform heading and its mooring pattern, taking into account the environmental force spreading;

• optimum line length or line tension for each mooring line, associated to the optimization of the mooring line materials and sizes.

Basically, the main goal of this paper is to introduce a new method, which will provide the quickest way to find the best mooring system, defined here as that which minimizes platform responses.A genetic algorithm (GA) is applied in this contribution, and this paper describes exactly the procedure of developing a GA code directed toward the solution of mooring design optimization problems. In order to prove the efficiency and the vast potential of the proposed algorithm as a design tool, sample moorings are analyzed for different environmental conditions and the final results, including the time required to run them, are presented.     

海洋调查数据的可视化建模及实现方法

科学计算可视化作为新一代的分析工具 ,正在进入物理海洋学领域。文中介绍对海洋调查数据进行可视化的关键问题——数据建模 ,并从分析海洋调查数据的特点出发提出针对海洋研究中可视化建模的原则和有效途径 ,给出相关的实现方法。其中 ,重点讨论局部体样条建模中必须面对的区域分割优化问题 ,引入遗传算法并给出较好的解决方案。     

基于模拟退火算法的饲料配方设计

本文在饲料配方设计中首次引入新颖、高效的组合优化算法--模拟退火算法，并获得理想的数值结果，说明了在传统的饲料配方设计中高技术的应用可以获得更高的效益.     

流形上的空间密度聚类算法研究

研究流形上的聚类分析，针对基于密度的空间聚类引入了流形概念，提出1种基于流形的密度聚类算法，该方法将流形的概念与聚类相结合，可以适用于样本为复杂分布的聚类。文中通过实例证明此算法的有效性。     

应用遗传神经网格方法分析赤潮监测数据

简要介绍了遗传神经网络方法的原理 ,探讨了应用遗传神经网络方法研究辽东湾海域丹麦细柱藻 (Leptocylindrusdanicus)赤潮与其环境因子之间的关系 ,计算了各环境因子对丹麦细柱藻赤潮的贡献。结果表明 ,温度、盐度、DIN的变化对研究海域丹麦细柱藻种群密度的增长有比较重要的影响 ,DIN是营养限制因子。遗传神经网络是分析赤潮监测数据的有效方法 ,值得进一步探索     

Neural network for wave forecasting among multi-stations

Unlike in the open sea, the use of wind information for forecasting waves may encounter more ambiguous uncertainties in the coastal or harbor area due to the influence of complicated geometric configurations. Thus this paper attempts to forecast the waves based on learning the characteristics of observed waves, rather than the use of the wind information. This is reported in this paper by the application of the artificial neural network (ANN), in which the back-propagation algorithm is employed in the learning process for obtaining the desired results. This model evaluated the interconnection weights among multi-stations based on the previous short-term data, from which a time series of waves at a station can be generated for forecasting or data supplement based on using the neighbor stations data. Field data are used for testing the applicability of the ANN model. The results show that the ANN model performs well for both wave forecasting and data supplement when using a short-term observed wave data.     

浅述多元数据处理的一种简化拟合形式及算法剖析

在实际工程试验与研究中 ,多元数据处理经常遇到 ,根据 Weierstrass定理 ,采用多项式拟合是一种常见的数据处理方法。对于多元多项式的系数求解问题 ,可以归结为超定方程组的求解问题。该文以超定方程组的 SVD求解算法为核心 ,阐述了在工程实际中关于多元数据处理的一种应用方法 ,并尝试给出多元多项式拟合的一种简化方法     

聚类分析法在浅海水团分析中的应用及黄、东海变性水团的分析

本文引入变性水团概念,用聚类分析确定黄、东海浅海海域变性水团的边界及其变化。根据给定的标准进行聚类,确定了水团的个数、边界及混合区。 由聚类方法所得结果看出,在该海区中有八个变性水团。根据温、盐相对指标,将这些水团分为九种不同的特征。也可以把这些水团划分为三种盐度类型。在温—盐点聚图上,不同变性水团的温盐点,分布于一条曲线附近,它体现出逐级变性的特点。各变性水团的变化范围都很大,这说明该海区中水团变性强烈。在暖季中的增温降盐和冷季中的降温增盐,可认为是整个黄海和东海水体变性的特征。所有季节性水团都经历一个形成与消亡的过程。 文中讨论了变性水团和海洋环境的相互关系。水团变性是热力因素和动力因素共同作用而产生的。通过变性水团的分析,作者认为,在该海区水团的变性中,热力因素起着主要作用。变性水团界线的舌状分布与流向之间的关系是很明显的,可作为分析环流的旁证。最后描述了变性水团和底层中心渔场之间的关系。