黑龙江省降水变化趋势及其对农业生产的影响研究

基于黑龙江省36个气象站的降水量数据和12个地级市及1个地区的农业相关数据,采用改进的MannKendall检验法,通过计算年降水量和季节降水量的趋势检验统计量Z值,揭示了研究区降水量的变化趋势,进而分析了农业旱涝灾害的空间分布。结果表明,黑龙江省大部分地区冬、春季节降水量呈现上升趋势,夏、秋季节降水量及年降水量均呈下降趋势。黑龙江省农业受涝灾影响大于旱灾,涝灾主要分布在黑龙江省东部的双鸭山市、鹤岗市和佳木斯市,其未来降水量的下降趋势可在一定程度上缓解涝灾产生的危害;旱灾主要分布在黑龙江省西部的齐齐哈尔地区,其未来降水量的增加趋势可在一定程度上缓解旱灾产生的危害。     

基于干旱指数法的星星哨灌区旱涝状况研究

利用星星哨灌区1954-2009年的降水资料,计算降水距平百分率指标(Pa指数)和标准化降水指标(SPI),划分出灌区历年的干旱等级,研究了灌区各干旱等级的变化情况及发展趋势,并运用权马尔可夫链模型预测了灌区未来6年的降水量。研究结果表明:在星星哨灌区56年间,降水量有明显减少趋势,重旱重涝灾害增多,其中:夏季降水量略呈下降趋势,干旱等级略有上升,且旱涝灾害程度加重;秋季降水量减少明显,干旱等级明显上升,旱灾发生次数增加。预测结果表明:在2010-2015年间,灌区降水量总体呈下降趋势,将对灌区农业生产带来较大影响。     

云南省干旱分区及农业旱灾风险区划研究

探讨了干旱分区及农业旱灾风险区划的方法,并在云南省开展了应用研究。选取流域地貌特征指数、多年平均干旱指数和75%保证率年降雨量负距平百分率指标,采用主成分分析法对云南省进行干旱自然分区进行了研究;将干旱分区成果作为旱灾风险区划指标之一,综合考虑旱灾风险危险性、脆弱性及易损性因素建立了旱灾风险区划指标体系,并根据多层次模糊综合评估结果进行了云南农业旱灾风险区划研究。结果表明,滇东北是干旱易发区,滇西南是干旱轻发区或少发区;滇东北属于旱灾高风险区,滇西北属于旱灾低风险区。分区成果与云南省的历史干旱情况基本符合,表明基于主成分的干旱自然分区和基于构成要素的旱灾风险区划方法是可行的。     

基于BP神经网络的农机总动力预测

分析了BP神经网络用于预测时存在的不足,进而对基于BP神经网络的时间序列的预测问题进行了探讨.根据BP神经网络结构的特点,依据Z变换理论,提出了这一类预测问题可选用y=x作为传递函数,并分析指出了在BP神经网络中,以y=x作为传递函数与y=a+bx作为传递函数等价的结论,同时指出了网络结构应为两层网络.在此基础上,推导...     

基于小波神经网络方法的降水量预测研究

小波神经网络作为国际上新兴的一种数学建模分析方法,充分继承了小波变换良好的时频局部化性质及神经网络的自学习功能和极强的非线性能力等优点.降水量预测模型中神经网络选择BP网络,隐含层激发函数选取Morlet小波,并利用MATLAB编写预测程序,运用吉林西部地区白城、长岭、前郭3个测站1957-2010年的降水资料对模型进行训练、检验,进而预测三站未来十年的降水量.研究结果表明,小波神经网络预测模型对降水量的变化趋势预测准确,结构简单,收敛速度快,具有较高的实际应用价值,但其对于降水量具体值的预测精度有待于进一步提高;未来十年,吉林西部地区将处于降水量变化周期的丰水阶段,各相关部门应根据实际情况做好相应的准备.     

基于Prophet模型的湖北省月降水量预测

为提高降水量的预测精度,建立了基于Prophet算法的降水量时序预测模型.使用湖北省1960年1月-2006年5月的月降水量资料,对2006年6月-2017年12月共139个月的月降水量进行预测,并与传统的SVR、BP以及ARIMA预测模型进行对比,以探讨该模型在降水量预测中的可行性.实验结果表明:在湖北省各站点降水量...     

基于BP模型的蝗虫密度预测系统的研究

为了预测农田蝗灾发生情况,研究了基于超低空飞行器的农田蝗灾预警系统.对由飞机上摄像头采集到的图像进行处理,得到幼蝗分布密度,结合往年蝗虫密度以及当地前1年内月平均气温和月平均降水量的情况,建立BP神经网络模型,并结合蝗虫密度采样的特点,提出了改进的BP算法,预测了东亚飞蝗成虫发生密度.在研究空间内插算法的同时,结合GIS空间分析,在数字地图上生成蝗虫发生密度图,为灭蝗工作的实施提供了参考.     

基于Z指数的赤峰市松山区62 a旱涝特征分析

根据1951—2012年赤峰松山区降水资料,利用Z指标方法确定松山区的旱涝年份,并从季节上进行旱涝分析。结果表明,松山区逐年降水量呈缓慢下降趋势;发生旱灾有16 a,涝灾有13 a,出现旱涝灾害的概率为46.78%,且有连年发生的情况;各季节降水量的变化趋势也不一致,春夏季节呈上升趋势,秋冬季节呈下降趋势,四季节发生旱涝灾害的概率约占35%左右。     

干旱指数在杭州市历年旱涝特征分析中的应用

为了加强杭州市的旱涝灾害监测和评估,利用5个气象站近50年的月降水资料,比较分析了Z指数和SPI计算结果的一致性与差异。采用频率分析、趋势变化特征分析和多尺度SPI分析等方法,研究了杭州市各站及各季旱涝的变化特征。研究表明：Z指数和SPI在计算杭州市旱涝情况结果基本一致;杭州市的干旱情况自西向东逐渐加重,洪涝反之;夏季与秋季易引起梅汛、台风洪涝与夏秋干旱交替出现。本文首次使用多时间尺度SPI计算杭州市的旱涝情况,为今后杭州市旱涝预测提供了一定的参考价值。     

基于支持向量机回归分析的降水量预测研究

在已有的降水量资料基础上,利用支持向量机回归分析方法建立了降水量预测模型。由于在利用降水量资料进行预测时特征值的选取没有统一标准,且目前鲜有文章涉及相关内容,因此提出了5种不同的特征值选取方法,并建立了相应的模型。通过评价对比,发现选取某月前10年同月的降水量作为特征值的预测模型输出结果精度最高,与实际情况更为接近,能很好地反映降水量的变化趋势。进而对该站未来5年的降水量进行预报。研究表明,在特征值选取合适的情况下,采用支持向量机回归分析对降水量进行预测,结果可靠、方法可行;预报结果和现有资料显示,该站所处地区近15年(2001-2015年)的降水量较早年偏少,处于降水量变化周期的枯水期。     

基于灰色理论及BP神经网络的尿素水解预测模型研究

研究根据室内尿素水解试验资料,建立了以温度、水分、时间为输入因子,尿素态氮含量为输出因子,拓扑结构为3-2-1的BP神经网络预测模型,以及Verhulst灰色预测模型和零级动力学模型,并分析比较了三种模型的预测效果。结果表明:3种预测模型均能满足模拟精度要求,所建立BP神经网络模型模拟值与实测值的平均相对误差、相关系数和决定系数分别为2.39%、0.992 4和0.984 5,具有较高的预测精度和良好的稳定性,并且模拟效果明显优于Verhulst灰色预测模型和零级动力学模型,可以较好地描述尿素水解动态变化过程,为尿素水解定量研究提供了精确的科学依据。     

可持续发展评价指标体系模型研究

可持续发展指标体系是一个多层次、多系统的综合体系。研究可持续发展指标具有重大的理论意义与实际的指导价值。模糊优选 BP神经网络模型能较好地求解这种多层次、多系统的复杂结构 ,通过决策、反馈、再决策、再反馈的复杂过程 ,通过对话式的决策信息输入与反馈 ,最终达到优选的目的。     

基于无人机多光谱遥感的芳樟矮林SPAD反演

为实现利用多光谱技术开展芳樟叶绿素相对含量(SPAD)监测，及时快速诊断芳樟矮林生长状况，为田间管理决策提供信息支持，以红壤区芳樟矮林为研究对象，利用无人机多光谱遥感影像，提取波段反射率，筛选植被指数，分别以波段反射率和植被指数为模型输入量，采用偏最小二乘回归、支持向量回归、反向传播(Back propagation, BP)神经网络和径向基函数(Radial basis function, RBF)神经网络4种方法构建芳樟矮林SPAD反演模型，并对比不同输入量、不同模型模拟结果的反演精度。研究结果表明：对比两种不同的输入量，在同一模型反演的精度相差不大；其中，基于偏最小二乘回归法，以植被指数为模型自变量估测芳樟矮林SPAD效果略优；基于支持向量回归、BP神经网络和RBF神经网络，以波段反射率为模型自变量估测芳樟矮林SPAD效果略优；对比4种建模方法，不同方法建模预测精度不同，与偏最小二乘回归、支持向量回归和BP神经网络相比，基于RBF神经网络反演芳樟SPAD的精度最高，以波段反射率和植被指数为模型输入量的测试集为例，其决定系数R²分别为0.788、0.751,均...     

旱作物旱灾估测方法初探

以吉林省玉米为例，分析探讨了依据作物产量与蒸散量之间的相互关系，并以减产幅度为指标对自然状态下旱作物受旱灾情进行了估测。与干旱指数法、受旱面积统计法相比，该法更能较真实地反映干旱对农业生产的影响程度，可为旱田抗旱灌溉决策提供科学的依据。经实测资料检验，该方法具有较好的估测精度和区域代表性。     

蛋鸡设施养殖环境质量评价预测模型构建方法及性能测试

蛋鸡设施养殖环境质量对蛋鸡的健康生长和生产性能的提升至关重要。蛋鸡养殖环境是多环境因子相互影响制约的复杂非线性系统,凭借单一的养殖环境参数难以对环境质量做出准确有效的评价。针对上述问题,本研究综合蛋鸡设施养殖环境的温度、湿度、光照强度、氨气浓度等多个环境影响因子,在布谷鸟搜索算法优化神经网络（CS-BP）预测模型的基础上,构建了改进的CS-BP的蛋鸡设施养殖环境质量评价预测模型。将构建的改进CS-BP预测模型与BP神经网络、遗传算法优化BP神经网络（GA-BP）、粒子群算法优化BP神经网络（PSO-BP）3种深度学习方法进行性能参数分析比对,结果表明：改进CS-BP评价预测模型的平均绝对误差（MAE）、平均相对误差（MAPE）和决定系数（R²）分别为0.0865、0.0159和0.8569,其各项指标性能均优于上述3种对比模型,该模型具有较强的模型泛化能力和较高的预测精度。对改进CS-BP的蛋鸡设施养殖环境质量评价模型进行测试,其分类准确率达0.9333以上。本研究构建的模型可以为蛋鸡设施养殖环境质量提供更加全面有效的科学评价,对实现蛋鸡生产环境的最优控制,促进蛋鸡生产性能的提升具有重要意义。     

旱涝等级评估及灰色灾变预测在辽阳市的应用

本文利用辽阳气象站近50年的降水资料,分析降水量变化规律,运用Z指数法对辽阳市的旱涝等级进行评定。建立旱涝灾害GM(1,1)预测模型,并预测出旱涝出现的年份。     

基于BP神经网络工具箱实现函数逼近

运用计算机高级语言编程对神经网络BP模型进行仿真和辅助设计是件十分麻烦的事情,为了解决这个矛盾,Matlab神经网络工具箱中专门编制了大量有关设计BP网络模型的工具函数.文章分析了Matlab软件包中人工神经网络工具箱的有关BP网络的工具函数,结合一个实际的例子详细阐述了基于BP神经网络的函数逼近过程及其MATLAB实现方法.     

基于BP神经网络的排种器充种性能预测

在分析丸粒化玉米种子精密排种器工作原理的基础上,运用Matlab神经网络工具箱建立了排种合格指数A的BP神经网络预测模型,选取排种轴转速n、型孔直径D和排种盘的锥角Ф作为试验因素进行排种性能试验,得到81组合格指数的试验结果。选取其中的60组进行样本训练,并对剩下的21组结果对训练好的网络进行预测,n,D,Ф为输入层,A为输出层,网络结构为3-11-1的3层网络。预测结果表明,预测值与试验值误差较小,为排种器的优化设计及参数的选择提供了依据。     

基于灰色理论和BP神经网络的农业用水量预测

运用灰色GM(1,1)模型和BP神经网络模型相结合的灰色BP神经网络模型,对农业用水量进行预测.此组合模型兼有灰色预测和BP神经网络预测的优点,既克服了数据波动性大对预测精度的影响,也增强了预测的自适应性.为此,以辽河流域某典型区为例进行预测,结果证明了该组合模型的优势,为农业用水量预测研究提供参考依据.