简介：探讨了环境解说与环境教育的关系,阐述了在植物园开展环境解说的重要意义。并从植物园环境教育的发展过程出发,分析了植物园环境解说存在的问题,最后提出了提高解说效果的措施。

简介：本文通过系统整理与清查全线的植物类型(乔、灌、花、草)、土壤类型、土壤肥力、气候条件等，对不同植物在济青高速公路上的表现给予评价。

简介：1.前言地被植物在绿化工程中已日显其重要,它不仅与乔灌木同亲有美化环境、净化空气、保持水土等功效,而且,在增加绿地层次、抑制杂草生长、吸滞尘埃等方面更为突出。尤其在新兴的高速公路绿化中,因高速行驶的车辆排出的污染物增多,如果能大量种植绿色植物,特别是地被植物,从而大量增加绿化植物吸收污染空气的表面积,以充分发挥其绿化效应,并能在视觉上

简介：为了适应现代社会对园艺专业的人才需求，探讨了林业院校园艺专业在园艺植物栽培类课程教学中结合自身科研实力和办学特色来构建新的课程体系，优化课程教学内容，加强实践性教学，改革教学方法等手段，以此提高教学质量，培养学生的综合能力。

简介：高速公路沿线存在长距离的中央分隔带,其主要起防止眩光的作用。目前我国中央分隔带植物间距和高度主要根据遮光角计算得出,但遮光角的取值在规范中并未给出明确的参考值,不能有效指导绿化工程建设。综合考虑已有研究的遮光角取值和远光灯可见角范围,确定10°作为合适的遮光角,从而得出平直路段高速公路中央分隔带的植物间距和高度,并在总结分析已有研究的基础上,推导出平竖曲线路段的修正公式,可供绿化工程设计计算参考。

简介：针对重庆地区高速公路绿化植物资源现状及问题,提出重庆地区高速公路绿化植物资源选择与配置的原则,结合实际工程,就重庆地区高速公路各类型地段的树种选择及植物配置进行分析,并提出相关建议。

简介：为了能达到“黄土不见天”的要求,在绿化工程中地被植物的种植已日显其重要了。它不仅能与乔灌木同样有美化环境、净化空气、保持水土等功效,而且,在增加绿地层次、抑制杂草、吸滞尘等方面更为突出。尤其在新兴的高速公路绿化中,因高速行驶的车辆排出的污染物增多,如能大量种植绿色植物,特别是地被植物,从而大量增加绿化植物吸收

简介：2013年4—5月,对上武公路路域的乡土植物资源进行了实地调查,结果表明：上武公路路域分布有乡土植物325种,其中乔本类植物、灌木类植物、藤本类植物、草本类植物分别有50、134、41、100种,分别占路域植物种数的15.4%、41.2%、12.6%和30.8%。对该路域乡土植物资源特点进行分析,筛选出符合公路绿化防护植物物种有159种,其中乔本类40种、灌木类68种、藤本类17种、草本类34种,并对乡土树种的选择和利用提出建议。

简介：阐述了人工神经网络模型的基本原理，建立了混凝土强度人工神经网络预测模型，通过试验证实了该模型的可靠性。

简介：结合图象处理、模式识别等先进技术开发路面破损自动检测系统已经成为本领域的研究热点[1～5].本文主要研究了小波神经网络在路面破损识别中的应用,并与传统的BP神经网络作了对比.试验结果表明,在相同的训练样本情况下,小波神经网络的精度高于BP神经网络.为开发更为高效的路面破损自动检测系统提供新的思路.

简介：对青海省玉树县境内G214国道护坡的植被恢复进行试验研究,分析保水剂、复合肥、专用肥和不同植物种类配比对植被恢复效果的影响,探讨适合当地植被恢复的技术方法,提出目前植被恢复面临的问题以及可行的解决方法。

简介：简要叙述数据挖掘的概念及几种主要的数据挖掘方法,提出一种基于模糊神经网络的数据挖掘算法,把模糊理论和神经网络结合起来构造、训练模糊神经网络,弥补神经网络结构复杂、网络训练时间长、结果表示不易理解等不足。

简介：针对桥梁结构监测采集到的桥梁异常状态下长期积累演变的惊人数据量,提出了基于主成分分析与人工神经网络相结合的桥梁结构异常状态识别方法。布设多种类型传感器监测获取高维数据,采用主成分分析法对原始高维特征数据进行预处理,将结构异常特征变量的主成分作为人工神经网络的输入特征。该方法有效的降低了神经网络的结构复杂度,同时提高人工神经网络的训练速度,也保证了人工神经网络具有良好的收敛性和稳定性。应用于江苏南通如泰运河大桥和江苏无锡开源大桥的实际监测数据的结果表明,基于主成分分析的人工神经网络方法用于桥梁结构异常状态识别,与传统的神经网络以及其他模式识别算法相比,有更好的识别精度。

简介：提出一种改进BP神经网络的交通流数据融合算法,通过对融合模型以及融合算法的改进,实现融合精度及容错能力的提高,最终利用某城市主干路的交通流实测数据进行实验验证.验证结果表明,本文提出模型可以通过LSE值验证且融合精度可以达到94%以上,因此利用改进BP神经网络可以有效进行交通流参数的融合,并可以较为准确反映路段平均速度的变化,为交通流的预测与诱导提供理论支持.

简介：在含富水带山岭地区的隧道工程建设中,往往引起隧道内涌水,不但影响施工安全,还会影响到隧道建成后运营质量,必须采取超前预报和措施,保证工程质量。此文以某在建隧道6个里程段的地质构造和涌水情况为样本,通过建立BP神经网络模型,对隧道内的涌水量进行预测,并与实测涌水量进行比较。所得结果表明,最大相对误差在10%以内,平均为3.8%,符合工程要求。可为隧道施工提供采取有效措施的依据。

简介：为准确计算动车组牵引能耗,提出BP神经网络模型和改进牵规法预测动车组牵引能耗。选取机车类型、坡度、目标速度、停站方案等8个因素作为动车组牵引能耗之BP神经网络的输入变量,建立3层BP神经网络模型。采用增加动车组运动方程和优化基本阻力公式方式对牵规法进行优化。利用正交实验法对动车组牵引能耗影响因素进行分析,并对111组数据进行模拟验证。研究结果表明:BP神经网络模型的误差在4.26%以内,改进牵规法的误差基本在10%以内,证明BP神经网络模型比改进牵规法模型能更好地预测动车组的牵引能耗,而且当目标速度增大时,BP神经网络模型的计算精度明显比改进牵规法的计算精度高;目标速度和坡度对牵引能耗有显著影响。

简介：分析影响北京地铁运量的因素,选取城市轨道交通内部生产、人口因素、乘客收入因素和交通因素等作为运量预测的关键要素,应用B-P神经网络（BackPropagationANN,基于误差反向传播神经网络）模型,对未来几年内北京地铁运量进行预测分析。结果发现B-P神经网络对地铁客运量的预测较为适用,可为北京地铁运营规划提供决策参考。

简介：目前通信技术发展迅速,铁路通信网正在迅速发展成为一个高度数字化的大型通信网络。特别是近几年,铁路的长途通信光缆发展很快,已达到30000km以上。随着通信网的快速发展,网络正变得越来越庞大和复杂。同时铁路运输指挥系统、调度管理信息系统、客票预售系统、客货运管理、车辆追踪等大量铁路运输生产工作对通信网络具有高度的依赖性。

简介：介绍通过远程采集车辆设备的运行状态以及有轨电车信号系统的状态和报警信息到数据中心,使维护或工程人员在有网络的任何地方,定期通过访问数据中心的上述信息诊断车辆设备状况,及时发现车辆设备异常状况,对有轨电车的安全行驶起到保驾护航的作用。

简介：