土壤的热物性参数是地源热泵系统设计和埋地电缆优化设计等研究过程中最基本的参数。本文基于随机近似热探针方法，在充分考虑探针自身参数和接触热阻影响的基础上，建立了土壤的多物性快速测量系统，并对不同含水量的土壤热物性进行了现场测量。研究结果显示，该方法不仅从原理上消除了传统热探针测量热物性的系统误差，实现了热导率、比热容等多参数的同时高精度测量；而且可以大大缩短测量时间，减少传统热探针方法由于测量时间过长所导致的水分迁移所带来的测量误差，从而实现对土壤多热物性参数的高精度快速现场测量。

冷却塔是热力发电厂中重要的冷端设备。人工神经网络是研究冷却塔热力性能的一个重要方法,然而目前关于自然通风逆流湿式冷却塔热力特性的神经网络相关研究还不够充分。本文基于电厂领域36座自然通风逆流湿式冷却塔的实测热力数据,使用BP神经网络模型,对冷却塔的出塔水温、冷却数、蒸发损失水率进行预测研究。结果表明利用BP神经网络可以对冷却塔的热力性能进行较好的预测,出塔水温、冷却数、蒸发损失水率的预测均方误差以及平均相对误差分别为0.278、0.076、0.003和1.565%、18.153%、3.599%。研究结果对电厂冷却塔的热力设计及运行监测具有重要的参考价值。