地下矿山工程围岩稳定性模糊动态聚类分区

针对梅山铁矿二期工程开拓设计的需要, 本文介绍了梅山地下矿山工程围岩稳定性模糊动态聚类分区的研究方法及其部分结果。该研究首先涉及分区资料的获取, 整理与分析；其次是分区因素的选取与指标确定；最后是模糊动态聚类分析方法在工程围岩分区中的应用。     

用模糊综合评价方法评定城市土地级别

客观，真实地评定一个城市的土地质量和使用效益及其在地土空间上分布差异状况，并用等级序列表示其差异或优劣程度，是城市地产管理的一项重要内容，本文探讨了运用模糊数学方法定量地确定城市各单元土地的亲疏关系，从而客观地评价城市土地级别。     

用NOAA/AVHRR数据估算上海地区水稻种植面积

应用模糊监督分类方法对NOAA/AVHRR数据进行象元分解，并估算了上海市10个郊县1992年和1993年两年的水稻种植面积，估算的结果与统计数据比较后表明，全市总的估算精度（采用面积比精度）分别为92.0%和95.4%。     

GIS中空间模糊叠加模型的设计

空间叠加模是地理信息系统中重要的空间分析模型。本文在介绍传统的叠加模型的基础上，提出了基于模糊集合论的叠加模型。并介绍了该模型的实现过程及隶属度确定的方法。     

南黄海地区的地震活动特征与趋势

概述了南黄海地区的地震活动性，介绍了该海区历史地震的分布，时空强特征以及众多地震事件烈度分布的共同特点与地震活动规律等。研究表明，功北南黄海地区近年内存在发生较强地震的危险性。     

利用多手段异常项次预报我国大震的模糊聚类方法

选用我国大陆１９６９－１９９１年发生的１１次Ｍｓ≥６．９地震作为样本，取地球物理、地球化学、地形变和地震活动性方面共计１２项手段的资料为判定指标，编制了模糊聚类计算机程序用以预报未来３个月、６个月和１２个月内发生大震的概率，并给出一个预报实例。     

模糊综合评判在震害评估中的应用

本文介绍了模糊综合评判的基本原理和方法。通过对震后灾害经济损失的综合评判，获得了较为满意的判识结果，证实了该方法应用于震害评估的合理性和可行性。     

土壤环境分类的模糊模式识别方法

用模糊模式识别方法对土壤分类量化和计算机计算程序化．作为例证，作者用该方法对青岛地区的土壤环境进行了分类区划探讨，指出分析结果是合理的．     

黄河三角洲海岸稳定性特征的模糊分类

本文首次将模糊分类方法引入海滩动态性特征分类的研究中。     

Estimation of pile group scour using adaptive neuro-fuzzy approach

An accurate estimation of scour depth around piles is important for coastal and ocean engineers involved in the design of marine structures. Owing to the complexity of the problem, most conventional approaches are often unable to provide sufficiently accurate results. In this paper, an alternative attempt is made herein to develop adaptive neuro-fuzzy inference system (ANFIS) models for predicting scour depth as well as scour width for a group of piles supporting a pier. The ANFIS model provides the system identification and interpretability of the fuzzy models and the learning capability of neural networks in a single system. Two combinations of input data were used in the analyses to predict scour depth: the first input combination involves dimensional parameters such as wave height, wave period, and water depth, while the second combination contains nondimensional numbers including the Reynolds number, the Keulegan–Carpenter number, the Shields parameter and the sediment number. The test results show that ANFIS performs better than the existing empirical formulae. The ANFIS predicts scour depth better when it is trained with the original (dimensional) rather than the nondimensional data. The depth of scour was predicted more accurately than its width. A sensitivity analysis showed that scour depth is governed mainly by the Keulegan–Carpenter number, and wave height has a greater influence on scour depth than the other independent parameters.