Impact of Main Factor on Radio Channel of LMDS System

Characteristics of radio channel play a key role in stabilization and reliability of LMCS/LMDS system at centimeter and millimeter. Rain specific attenuation has been recognized as a principal cause for impact system performance in LMDS and satellite communications systems operating in the same frequency band. In contrast to mobile communication system, multipath is not a typically problem for LMDS system, because directional antennas are used and the antennas are sufficiently high providing a line of sight propagation path between the transmitter and receiver. Moreover, the effects of buildings, foliage, and dust storms shouldn't be ignored. The impact of these factors on signal propagation and propose corresponding models is discussed. At the last,antenna height and directivity are used in the classification of statistical channel models for LMDS.     

Statistical Approach Based on POS for Chinese Time Word Disambiguity

Segmentation Ambiguity is an important factor influencing accuracy of Chinese auto-segmentation system. Time words include expressions both indicating exact time positions and those scattering in a treriod of time. On the foundations of modern Chinese corpus processing principles and certain type time word segmentation ambiguity, this paper proposes problem, a statistical language model and corresponding approach based on maximum likelihood to solve the ambiguous and it reaches a 90% accuracy which shows the effectiveness of the algorithm.     

自适应加权最小二乘支持向量机的空调负荷预测

为了提高建筑空调负荷的预测精度,在分析空调负荷主要影响因素的基础上提出了一种基于自适应加权最小二乘支持向量机(AWLS-SVM)的建筑空调负荷预测方法。该方法根据预测误差的统计特性,采用基于改进正态分布加权规则,自适应地赋予每个建模样本不同的权值,以克服异常样本点对模型性能的影响。建模过程中采用粒子群优化(PSO)算法对模型参数进行优化,以进一步提高模型预测精度。基于DeST模拟数据将AWLS-SVM方法应用于南方地区某办公建筑的逐时空调负荷预测中,并与径向基神经网络(RBFNN)模型、LS-SVM模型及WLS-SVM模型作比较,其平均预测绝对误差分别降低了51.84 %、13.95 %和3.24 %,并进一步基于实际空调负荷数据将该方法应用于另一办公建筑的逐日空调负荷预测中。预测结果表明：AWLS-SVM预测的累积负荷误差为4.56 MW,亦优于其他3类模型,证明了AWLS-SVM具有较高的预测精度和较好的泛化能力,是建筑空调负荷预测的一种有效方法。     

基于时间序列SVR模型的玉米价格预测研究

研究旨在运用时间序列和支持向量回归(support vector regression,SVR)理论,建立短期玉米价格预测模型,为玉米市场监测预警提供技术支持与决策依据。本研究根据玉米价格序列波动的非线性特征,以河南省2010年1月1日—2019年6月30日的月度数据为研究对象,结合混沌性时间序列与SVR理论,研究一种短期玉米价格预测模型。通过相空间重构的方法对价格序列进行处理,利用重构后的数据训练模型,运用网格交叉验证(GridSearchCV)对研究模型进行优化。得到一种基于时间序列支持向量回归的玉米价格预测模型。将研究模型的预测结果进行对比分析,结果显示,研究模型的预测值更贴近真实值,其平均相对误差(MRE)和均方根误差(RMSE)分别为0.006和20.57,优于传统支持向量回归模型的预测结果。研究模型可以为玉米价格预测提供方法依据,且相较于传统预测方法在精度方面具有优势。     

Optimizing Delay Time Interval by the Means of Time - Energy Analysis Based on Wavelet Transform

In millisecond blast engineering,the key to achieving millisecond blast is to ascertain reasonable delay time interval.Firstly,the authors make use of time-energy density analysis based on wavelet transform,and get the real delay time by identifying the blast moment of short-delay detonators.Secondly,every sub-signal is separated from measured millisecond blast vibration signal by time-frequency domain transform techniques.Lastly,the Optimized delay time interval is obtained by comparing the superposition effect of sub-signal in different delay time interval.The effectiveness of the proposed method is verified with time-energy density analysis of millisecond blasting vibration signals in an underground project.It shows a high theoretical and practical value,and establishes a theoretical and technical foundation for the study of controlling and forecasting blast vibration damage.     

玉米区域试验中误差方差的异质性及其对品种评价的影响

为了研究我国玉米区域试验中误差方差的异质性存在状况及其对品种评价的作用, 以2003-2006年东北和华北16组玉米区域试验资料为依据,对玉米区域试验各环境试验误差方差差异状况及误差方差同质模型和异质模型的拟合效果进行了验证,并对品种效应差异显著性测验在误差同质模型和误差异质模型分析结果的差异状况进行了比较。结果表明,在分析的所有试验中,试验误差方差在环境间具有较大差异;误差方差异质模型比误差方差同质模型对试验数据拟合效果普遍较好;模型是否考虑误差方差的异质性对品种-环境交互效应测验结果有较大影响,而对品种主效应测验结果影响极小;误差方差异质模型比误差方差同质模型测验效率高。     

基于双模定位的冷链物流实时监测系统

为加强冷链物流监管,实现冷链物流的全程温度和定位监测,设计了基于双模定位的冷链物流实时监测系统。本系统除了集成嵌入式技术、卫星定位技术和GPRS无线通信技术等以实现温度采集、数据远程传输和定位等功能,还使用融合数据的双模定位取代单GPS定位以提高复杂环境下的定位精度,并提出使用改进的扩展卡尔曼滤波算法进行定位解算以实现双系统下定位数据融合,在静态时对水平精度和三维精度分别提高了37.5%和28.6%。测试结果表明,本系统提高了冷链物流监测能力,为未来研究冷链无人配送的定位问题提供基础。     

人工神经网络在熏煮香肠质构预测中的应用

应用BP神经网络对熏煮香肠质构的感官评定预测进行了改进。数学检验结果表明,建立的BP神经网络模型平方根误差(RMSE)和标准预测误差(%SEP)较低,显著低于多元回归模型,而偏差因子(B)f和准确性因子(A)f都在可接受范围。BP神经网络可以作为较好的预测模型,用于实际肉类工业中肉制品的质构感官评价,实现机械测定全部或部分代替感官评定的快速性、实时性、便捷性检测。     

低山丘陵区土壤-景观模型的可移植性研究

为了分析在相似地形和成土环境中土壤-景观模型的可移植性,以西南丘陵山地区为研究对象,选取面积约2 km2的区域作为土壤-景观模型的建立区域,利用逐步线性回归方法建立该区的定量土壤-景观模型,并以此建模区域为缓冲中心,在研究区划分出4个不同的模型移植区域（分别记作A、B、C、D区）。结果表明,土壤-景观模型的预测结果在整体上具有较高的准确性;离建模区域越远,平均绝对误差(MEA)和均方根误差(RMSE)均有逐渐增大的趋势,说明随着距离的增大,预测精度降低;在4个区域中,相对误差(RE)都有一定比例大于20%,且距建模区域越远,相对误差(RE)大于20%的比例越大,相对误差(RE)小于10%的比例逐渐减小。     

基于逐步回归与BP神经网络的日光温室温湿度预测模型对比分析

为构建较准确的日光温室温湿度预测模型,于2011-2013年冬季(1月、2月、12月)天津市宝坻区开展温室内外环境监测试验,并建立3种天气类型(晴、多云、阴)下3个时段(0-8时、8-17时、17-23时)逐步回归与BP神经网络温室内温湿度预测模型。结果表明:1)温室内气温逐步回归模型9种情况下模拟值与实际值的绝对误差小于3℃的平均准确率Rate(≤3℃)为88%,平均均方根误差(RMSE)为2℃;BP神经网络模型9种情况下模拟值与实际值的绝对误差小于3℃的平均准确率Rate(≤3℃)为94%,平均均方根误差(RMSE)为1.6℃。应用BP神经网络建立的气温预测模型相对更为准确稳定。2) 相对湿度逐步回归模型9种情况下模拟值与实际值的绝对误差小于6%的平均准确率Rate(≤6%)为81%,平均均方根误差(RMSE)为5.7%;BP神经网络模型9种情况下模拟值与实际值的绝对误差小于6%的平均准确率Rate(≤6%)为80%,平均均方根误差(RMSE)为6.7%。两类模型均不适宜预测8-17时日光温室相对湿度,而17-23时与0-8时应用逐步回归建立的湿度预测模型相对更准确稳定。     

应用灰板校正提高计算机视觉预测棉花植株含水量的精确度

利用灰板校正以消除棉花不同生育期图片颜色特征值的亮度差异,建立适用于不同生育期预测植株含水量的通用模型,以提高运用计算机视觉技术进行棉花植株含水量预测的精度。研究结果表明,由灰板校正前、后颜色特征值G-B建立的最佳预测模型,决定系数分别为0.746和0.782。有效性检验结果表明,灰板校正前、后计算预测值与实测值的决定系数分别为0.739和0.783;RMSE分别为2.218和2.03,RE分别为2.13%和1.79%。基于计算机视觉提取的冠层图片颜色特征值能够预测植株含水量,应用灰板校正颜色特征值能够提高模型预测精度,可为提高计算机视觉预测植株水分状况的精度提供技术支撑和方法补充。     

Joint Parameters Estimation for CDMA Signals

In wireless communications,mobiles emit signals that arrive at a receiver with multiple paths,each with its own direction of arrival(DOA),path delay,fading,and Doppler shift frequency,which influence the quality of communication seriously.These parameters should be taken into account in array signal processing.Based on CDMA signal,a novel Space-Time approach is proposed to estimation the DOA,time delay,and the Doppler shift frequency.Because utilize special signal model about space-time-frequency of mobile communications.The proposed algorithm has simpler structure and high quality of division.The simulation results show the feasibility and effectiveness of the method.     

Method and Analysis of Time Series Model for Transmission Error

This paper presents the time series model of gear drivetrain error and a compari-son amang several typical time series spectrum estimations.and suggests a time series model suitablefor discribing transmission error.     

基于无人机RGB遥感的甘蔗株高估测

为快速准确地估测甘蔗不同生育期株高，探讨了无人机RGB系统遥感估算株高的可行性及效果。利用无人机RGB遥感平台，获取苗期、分蘖期、伸长中、后期和工艺成熟期的影像，通过Pix4D mapper生成数字表面模型（digital surface model,DSM），采用Eris Arcmap提取株高，基于DSM提取的株高与实测株高建立各生育期的估测模型，采用决定系数（R2）、均方根误差（RMSE）和平均相对误差（MRE）对模型进行评价。结果表明，基于DSM提取甘蔗各生育期的株高高于实测株高；全生育期模型拟合性最好，预测精度较高（验证集R2、RMSE和MRE分别为0.9611、0.1623和0.1102），苗期株高模型预测精度最高。其他各生育期模型的拟合性不及全生育期和苗期，精度较低，工艺成熟期模型的预测精度最低，拟合性最差。因此，基于无人机RGB遥感平台获取甘蔗不同生育期影像后通过DSM提取株高并运用于甘蔗重要生育期株高的估测时，注意不同生育期模型的适用性。     

Application of Intelligent Neural Network on Prediction of Time Series Signal

The research of neural network has been maturated both in theory and practical application since 1980's, and also been employed into the prediction and analysis of nonlinear time series signal in the field of signal process system. Concerning with the problem of time series signal prediction based on traditional neural network, such as black box, poor accuracy, and facing the shortage of post knowledge, this paper presents a different neural network prediction model from the traditional ones, based on intelligent neural cell model and employing the iterative prediction method. Through the example on stock price prediction, the prediction accuracy and practical value are proved.     

基于REMCC-BPNN的稻瘿蚊发生量预测研究

为了提高预测稻瘿蚊发生量的准确度,有效防控稻瘿蚊虫害成灾面积,采用基于K近邻样本拟合相对误差绝对值与时序相关系数最小原则优化的BP神经网络预测模型REMCC-BPNN,选取广为认可的气温和降水量为影响因子,对稻瘿蚊的发生量进行独立预测。通过2个实例（化州市晚稻稻瘿蚊发生程度和广西邕宁县稻瘿蚊发生程度）验证显示：REMCC-BPNN模型的独立预测精度分别为94%和100%,明显优于经典回归分析、SVR-CAR、MIV-BPNN等参比模型。可见,REMCC-BPNN模型在虫害发生量预测方面有良好的应用前景。     

Prediction of sunflower grain oil concentration as a function of variety,crop management and environment using statistical models

Sunflower (Helianthus annuus L.) raises as a competitive oilseed crop in the current environmentally friendly context. To help targeting adequate management strategies, we explored statistical models as tools to understand and predict sunflower oil concentration. A trials database was built upon experiments carried out on a total of 61 varieties over the 2000–2011 period, grown in different locations in France under contrasting management conditions (nitrogen fertilization, water regime, plant density). 25 literature-based predictors of seed oil concentration were used to build 3 statistical models (multiple linear regression, generalized additive model (GAM), regression tree (RT)) and compared to the reference simple one of Pereyra-Irujo and Aguirrezábal (2007) based on 3 variables. Performance of models was assessed by means of statistical indicators, including root mean squared error of prediction (RMSEP) and model efficiency (EF). GAM-based model performed best (RMSEP = 1.95%; EF = 0.71) while the simple model led to poor results in our database (RMSEP = 3.33%; EF = 0.09). We computed hierarchical contribution of predictors in each model by means of R² and concluded to the leading determination of potential oil concentration (OC), followed by post-flowering canopy functioning indicators (LAD2 and MRUE2), plant nitrogen and water status and high temperatures effect. Diagnosis of error in the 4 statistical models and their domains of applicability are discussed. An improved statistical model (GAM-based) was proposed for sunflower oil prediction on a large panel of genotypes grown in contrasting environments.     

MDBPSO算法优化的全波段光谱数据协同冠层SIF监测小麦条锈病

为了从全波段光谱数据中提取对小麦条锈病敏感的特征参量,提高小麦条锈病遥感探测模型的运行效率和精度,本文首先从惯性权重和粒子更新方式两个方面对传统离散粒子群算法(discretebinaryparticleswarmoptimization, DBPSO)进行改进,利用改进离散粒子群算法(modified discrete binary particle swarm optimization, MDBPSO)从全波段光谱数据中优选遥感探测小麦条锈病严重度的特征变量,然后与冠层日光诱导叶绿素荧光(solar-inducedchlorophyllfluorescence,SIF)数据相结合作为自变量分别利用随机森林(randomforest,RF)和后向传播(backpropagation,BP)神经网络算法构建小麦条锈病遥感探测模型,并将其与相关系数(correlationcoefficient,CC)分析法和DBPSO算法提取特征参量构建模型的精度进行对比分析。结果表明:(1) MDBPSO算法比传统DBPSO算法具有更快的收敛速度和更高的寻优精度,改进前后其迭代次数从395次减少到156次,最优适应度函数(optimumfitnessvalue,OFV)值从0.145减小到0.127。(2)采用MDBPSO算法选择特征变量时,RF和BP神经网络两种方法构建的模型精度均高于CC分析法和DBPSO算法,其中RF算法预测病情指数(diseaseindex,DI)值和实测DI值间的检验集决定系数(validation set determination coefficient, R2V)比CC分析法和DBPSO算法分别提高了9%和3%,均方根误差(validation set root mean square error, RMSEV)分别降低了28%和11%, BP神经网络算法预测DI值和实测DI值间的R2V比CC分析法和DBPSO算法分别提高了13%和6%,RMSEV分别降低了21%和10%,利用MDBPSO算法优选特征参量能够提高小麦条锈病的遥感探测精度。(3)在MDBPSO、DBPSO和CC分析法3种特征选择算法中,RF算法构建的模型精度均高于BP神经网络算法,其中RF模型预测DI值和实测DI值间的R2V比BP神经网络算法至少提高了7%,平均提高了9%,RMSEV至少降低了15%,平均降低了20%。以MDBPSO算法优选的特征参量为自变量利用RF方法构建的小麦条锈病遥感探测的MDBPSO-RF模型是小麦条锈病遥感探测适宜模型,该研究结果为进一步实现作物健康状况大面积高精度遥感监测提供了新的思路。     

茶树树冠结构的多元差分方程组模型

茶树的生长、产量和品质受树冠结构的影响,因此利用数学模型来模拟茶树树冠指标的变化可以指导茶树的栽培和管理。考虑到茶树树冠各指标不但相互影响,而且与前几年生长数据相关,针对茶树树冠15个生长指标的18年数据,建立了多元差分方程组模型,并提出了一种结合利用聚类分析和神经网络进行模型参数估计的方法。计算表明,笔者研究中模型的平均相对误差绝对值(MAPE)为0.045828,低于一元差分方程模型的MAPE的平均值0.0618和一元回归方程模型的MAPE的平均值0.0842,精度有明显提高。该方法可以用于其他多维时间序列的差分方程组建模。     

基于时间序列模型的洞头大型藻类碳汇强度预测分析

为掌握洞头大型藻类多年来固碳量的变化规律,对其固碳量做出准确预测,以1991—2011年洞头主要大型藻类紫菜、羊栖菜的产量为基础,对其固碳量进行了核算,2004年固碳量最高达3650.08 t/a,1991年固碳量最低为278.08 t/a,平均固碳量为1875.33 t/a。在核算的其固碳量的基础上建立了ARIMA (0,1,3)模型,并对固碳量进行了拟合及预测研究。结果显示：所建模型的残差序列为白噪声,用模型拟合1996—2011年洞头大藻固碳量,相对误差最大6.39%,最小0.75%,均在10%以内,拟合效果好,是一种短期预测精度较高的预测模型。经预测2012—2014年3个年度的洞头大藻固碳量为3697.21 t、3570.50 t、3773.32 t,表明未来3年洞头的大藻固碳量总体上呈上升趋势。大藻养殖的碳汇渔业具有巨大的经济效益、生态效益和社会效益,建议构建政府激励措施及机制,加强政策引导,创新渔业发展模式,促进大藻养殖碳汇渔业的健康发展。