基于PCA-PSO-GRNN模型的冻融期土壤蒸发预报

季节性冻融作用加剧了土壤蒸发的复杂性,准确预测冻融期大田土壤蒸发量对干旱半干旱地区水资源高效利用具有重要意义.基于2017-2018年冻融期大田土壤蒸发实测数据和影响土壤蒸发的气象资料,利用主成分分析法对气象数据进行降维,选取7个主要气象因子作为模型输入变量,采用粒子群算法选取最优光滑因子建立PCA-PSO-GRNN土...     

基于PSO-ELM模型的冻融期土壤蒸发预报

准确预测冻融期土壤蒸发量,对于干旱半干旱地区水资源高效利用有着重要意义.基于传统极限学习机(ELM)输入权值与阈值随机给定导致预测结果精度不高的问题,提出了一种基于粒子群算法(PSO)优化极限学习机的冻融期土壤蒸发预测模型.以2016-2017年冻融期9个影响土壤蒸发的因素作为输入因子,实测土壤蒸发量作为输出因子,分别建立ELM模型、GA-ELM模型、PSO-ELM模型对冻融期土壤蒸发量进行预测.结果表明,对输入因子进行随机函数处理后可提高模型预测精度,PSO-ELM模型预测精度优于单一ELM模型和GA-ELM模型,其决定系数为0.9936,均方根误差为0.0109 mm/d,平均绝对误差为0.0079 mm/d,平均相对误差为4.91％,可用于冻融期土壤蒸发量的预测.     

基于灰色关联分析-BP神经网络的冻融土壤蒸发预报模型

根据冻融期气象资料和土壤蒸发量实测资料,利用灰色关联分析与BP神经网络相结合的方法,对冻融期大田土壤蒸发量进行了模拟预报。采用灰色关联度方法分析了影响冻融土壤蒸发的9个因子的关联度,确定了降水量、日平均气温、水面蒸发量、地表土壤温度和地表土壤含水率5个主要因子,并将其作为冻融土壤蒸发量预报模型的输入层进行模拟预测。结果表明:模型预测值与实测值的平均相对误差为9.9078%,决定系数为0.93,所建模型合理可行,可较好地用于冻融土壤蒸发预报。     

地表覆砂对季节性冻融土壤蒸发影响的试验研究

地表土壤的无效蒸发加剧了干旱半干旱地区农业用水短缺,为了揭示季节性冻融期地表覆砂对土壤蒸发的影响,进行了地表无覆盖(LD)、覆盖厚度均为1 cm覆砂粒径为0.5～1.5 mm(XS)和1.5～2 mm(CS) 3种地表处理条件下的大田土壤蒸发量、土壤温度和土壤含水率跟踪监测试验。结果表明:冻融期地表土壤覆砂可有效改变土壤蒸发的日变化幅度,不稳定冻结阶段覆砂处理抑制蒸发效果不明显,稳定冻结阶段地表覆砂可有效抑制土壤蒸发,消融解冻阶段地表覆砂加剧了表层土壤水分蒸发;冻融期LD、XS和CS累积土壤蒸发量分别为29.87、34.32和33.43mm,土壤累积蒸发量随时间较好地符合幂函数关系。研究成果可为冻融期制定科学合理的保墒措施和有效抑制土壤蒸发提供依据。     

基于支持向量机的水稻净光合速率预测模型

利用线性核函数、多项式核函数、径向基核函数和S型核函数,通过粒子群算法优化支持向量机中的惩罚参数c和gamma值,使用主成分分析对影响水稻净光合速率的影响因子进行特征提取,建立水稻净光合速率的支持向量机预测模型。试验结果表明,通过粒子群算法设定惩罚参数c为10,gamma值为0.904,通过训练集的训练,得到P_RBF预测模型,其对水稻净光合速率的预测效果最佳,预测精度达83%以上。     

基于BA-LSSVM模型的月径流预测方法

针对最小二乘支持向量机模型传统参数选择方法费时且效果差的问题,利用蝙蝠算法的模型简单、快速收敛和全局搜索能力强的特点,优化模型的正则化参数和核函数参数,对水文时间序列建立最小二乘支持向量机预测模型。基于西江流域内的柳州水文站2000-2014年月径流资料对模型进行训练和预测,并与使用粒子群算法优化参数确定的最小二乘支持向量机模型,网格搜索及交叉验证优选参数确定的最小二乘支持向量机模型及BP神经网络模型进行比较。计算结果表明,基于蝙蝠算法优化最小二乘支持向量机模型具有很好的适用性和较高的预测精度,为利用最小二乘支持向量机模型解决非线性的水文时间序列问题提供了新的方向。     

基于正则化TSVR的甘蔗收割机切割器入土切割负载压力预测研究

为更准确、快速地对甘蔗收割机切割器入土切割时负载压力的预测,以机车行进速度、土壤含水率、土壤密度、刀盘入土深度以及甘蔗密度为模型输入,基于正则化孪生支持向量回归机(ITSVR)模型,结合基于遗传算法的粒子群优化算法对切割器负载压力进行仿真模拟预测,并将仿真结果与BP神经网络、支持向量回归(TSVR)、极限学习机(ELM...     

盐分对季节性冻融土壤蒸发的影响试验及数值模拟研究

【目的】探究盐分对季节性冻融土壤蒸发的影响规律。【方法】在内蒙古河套灌区开展了B1和B2二组不同含盐量下(B1:7.80 g/kg;B2:41.16 g/kg)的野外土柱蒸发试验,建立了考虑盐分影响(该影响由盐分阻抗和土壤表面阻抗体现)的冻融土壤蒸发数值模拟模型。采用土柱试验结果对模型进行了率定验证,并与SHAW模型进行了对比分析。在此基础上,应用该模型对9种不同含盐量(S1—S9:0、2.5、5、7.5、10、15、20、35、50 g/kg)下的冻融土壤蒸发进行了模拟。【结果】土壤含盐量不同导致的土壤蒸发强度差异显著,特别是在土壤冻结初期和融通期,土壤含盐量较低的B1土柱蒸发强度分别约是B2土柱的1.5倍和1.8倍;与SHAW模型相比,考虑盐分影响的冻融土壤蒸发模型能准确反映受盐分影响的冻融土壤蒸发过程,更适用于受盐渍化影响的季节性冻土区;冻融土壤蒸发量随含盐量增加呈现出先增后减的变化趋势,在含盐量为S6时,土壤蒸发量最大,为136.3 mm;相比无盐土S1,S2—S6的土壤蒸发分别增加了1.09%、13.68%、56.22%、73.73%和86.46%,而对比S6,S7—S9的土壤蒸发分别减少了10.20%、26.34%和42.55%。【结论】盐分对季节性冻融土壤蒸发影响显著,其作用为先促进后抑制,考虑盐分影响的冻融土壤蒸发模型可以提升盐渍农田蒸发的模拟精度。     

季节性冻融期不同潜水位埋深下土壤蒸发规律模拟研究

为了揭示季节性冻融期不同潜水位埋深和土壤质地对土壤蒸发的影响,通过连续2个冻融期的蒸渗计土壤剖面含水率和土壤温度的监测,利用水热耦合运移模型模拟研究了4种不同潜水位埋深(0.5、1.0、1.5、2.0 m)下砂壤土和壤砂土的土壤蒸发规律。结果表明:不稳定冻结阶段和消融解冻阶段地表土壤均出现昼融夜冻的特征,土壤液态水分较多,砂壤土和壤砂土蒸发量分别占整个冻融期的91.7%和81.8%以上。稳定冻结阶段的土壤蒸发量随着潜水位埋深的增加而增大,但小于0.31 mm。潜水位埋深为0.5 m时冻融期土壤蒸发量最大,砂壤土和壤砂土分别为47.28 mm和25.60 mm,随着潜水位埋深的增加,冻融期土壤蒸发量呈指数型减少,土壤颗粒直径相对较大的壤砂土土壤蒸发量随潜水位埋深的增加而衰减的幅度较为明显。该研究可为地下水浅埋区土壤盐渍化的防治和地下水资源量的科学评价提供依据。     

越冬期麦田根区水热耦合模型参数原位估算与检验

越冬期根区充足的蓄水量有利于春季冬小麦的生长并有助于增产,而冬季作物根区水分运移规律通常借助土壤冻融过程水热耦合模型来描述,但该模型的预测精度受参数确定方法与边界条件等多种因素的影响。为了提高模型预测精度,提出了一种改进型的土壤冻融过程水热耦合模型参数估算方法,即运用土壤冻融特征曲线(冻土未冻水含量和土壤温度的关系)来原位估算土壤水热耦合模型参数,并检验该方法的适用性。在此基础上,评价地表蒸发量对模型预测精度的影响。大田试验在北京市昌平区小汤山精准农业示范基地开展,历经两个越冬期(2011—2012年和2012—2013年),利用管式介电传感器、温度传感器和蒸渗仪分别采集了土壤剖面未冻水含量、土壤温度和地表蒸发量数据。利用第1个越冬期(2011—2012年)的数据拟合土壤冻融特征曲线,对土壤水热参数进行最优估算,利用第2个越冬期(2012—2013年)的数据评价估算参数和地表蒸发量对模型预测精度的影响。结果表明:利用估算参数的模型预测值整体上与实测值相符。考虑到地表蒸发量对模型水热上边界的影响,第2个越冬期10 cm处未冻水含量与温度预测值和实测值的RMSE分别为0.046 m3/m3和1.883℃,20 cm深度RMSE分别为0.071 m3/m3和2.347℃。相比之下,在未考虑地表蒸发量影响下,第2个越冬期10 cm处未冻水含量与温度的模拟值和实测值的RMSE为0.059 m3/m3和2.149℃,20 cm深度RMSE为0.081 m3/m3和2.666℃。提出的改进型模型参数估算方法能够保证模型的预测精度,且考虑地表蒸发量的影响能够进一步提高模型的预测精度,随着深度的增加,蒸发量对水分与温度的影响逐渐减小。     

支持向量机参数优化研究

基于统计学习理论的支持向量机作为数据挖掘中的新技术,开发了一个极好的机器学习方法。它被认为是机器学习领域非常受欢迎的和成功的例子。支持向量机应用到实际问题时,首先面临的模型参数,包括支持向量机和核参数的选择。参数的选择直接决定了训练支持向量机的效率和效果,如何选择参数是支持向量机的主要问题。本文介绍的支持向量机参数优化和粒子群优化算法的关键知识,支持向量机的性能是很大程度上取决于参数设置,包括的惩罚参数和核函数参数,如何选择支持向量机的关键参数问题。     

基于MSCPSO混合核SVM参数优化的生菜品质检测

核函数形式的选择与核函数参数值的大小是影响支持向量机的2个关键因素,传统的支持向量机分类精度低、时效性差,为了获得高精度、高时效性的支持向量机,从影响支持向量机的核函数与核函数参数值2个关键因素着手,提出了基于变尺度混沌粒子群优化（MSCPSO）混合核SVM参数的分类器。将此分类模型用于预测生菜叶片的生育期,以及预测3个生育期的生菜叶片氮素水平,预测精度分别达到91.51%、85.38%、82.59%和81.26%。与传统的粒子群优化混合核SVM的分类器和变尺度混沌粒子群优化RBF_SVM分类器相比,提出的分类器模型分类精度高、时效性好。     

基于传感器信号融合和PSO-LSSVR的刀具磨损预测研究

最小二乘支持向量回归模型能有效地构建特征与刀具实时磨损间映射关系,但受限于自身参数的复杂性,无法获得最优模型性能,同时由于单个传感器的局限性,难以全面反映刀具磨损的多维信息。为进一步提升刀具磨损预测精度,提出一种基于多传感器信号融合并利用粒子群算法优化参数的最小二乘支持向量回归模型的刀具预测方法。通过对采集的传感器信号进行小波降噪,提取可用于反映刀具磨损的多域特征,并通过核主成分分析法对多域特征进行降维融合,采用经过粒子群算法优化参数的最小二乘支持向量回归模型构建融合后特征与刀具磨损的映射关系。通过公开数据集进行的实验,表明该模型具有较高的预测精度,验证了所提出预测方法的有效性。     

基于支持向量回归的灰度图像三维形状重构

为实现未知光源的灰度图像高效重构形状,提出一种基于支持向量回归机和粒子群优化算法相结合的灰度图像重构三维表面形状的方法。通过研究和分析灰度重构形状(SFS)问题,基于支持向量回归机理论,构建了物体表面形状与其灰度图像间的非线性映射模型。对未知光照方向的实际图像进行光源方向估计,生成对应光照方向的训练样本以提高任意光照方向下的图像的形状恢复精度。为克服支持向量回归机中各参数选取无依据的不足,引入粒子群优化算法主动对各参数进行飞行寻优,使得回归模型为最优,以提高形状重构精度。最后,通过实例分析验证了所提方法的可行性及有效性。     

基于PCA-MCAFA-LSSVM的养殖水质pH值预测模型

为解决水质预测传统方法精度低、鲁棒性差等问题,提出了基于主成分分析(PCA)、改进文化鱼群算法(MCAFA)和最小二乘支持向量机(PCA-MCAFA-LSSVM)的养殖水质pH值预测模型。该模型通过主成分分析提取养殖生态环境指标的主成分,降低模型输入向量维数,利用改进文化鱼群算法对最小二乘支持向量机超参数进行组合优化,以自动获取最优超参数建立非线性养殖水质pH值预测模型。应用该模型对宜兴市河蟹养殖某池塘2011年9月1日~9月4日在线监测的水质数据进行了预测分析,试验结果表明:该模型取得较好的预测效果,与分别用蚁群算法或遗传算法优化LSSVM的方法相比,PCA-MCAFA-LSSVM模型有93.05%的测试样本绝对误差小于8%,最大绝对误差仅为11.61%,均方根误差、平均相对误差绝对值和运行时间分别为0.047 4、0.004 1和4.367s,且均优于其他预测方法。PCA-MCAFA-LSSVM算法不仅计算速度快、预测精度高,还能够为河蟹养殖水质调控管理提供决策依据。     

基于IGWPSO-SVM的HMCVT湿式离合器摩擦副温度预测

针对传统机器学习模型预测重型拖拉机液压机械无级变速箱(Hydro mechanical continuously variable transmission, HMCVT)湿式离合器温度的局限性，提出了基于改进灰狼粒子群优化-支持向量机(Improved grey wolf particle swarm optimization-support vector machine, IGWPSO-SVM)的HMCVT湿式离合器摩擦副温度预测模型。首先，对湿式离合器摩擦副滑摩过程进行热分析，确定影响湿式离合器摩擦副温度的因素；然后，基于支持向量机(Support vector machine, SVM)搭建温度预测模型，并利用改进灰狼粒子群优化(Improved grey wolf particle swarm optimization, IGWPSO)算法对SVM的结构参数进行优化；最后，基于HMCVT湿式离合器试验台数据搭建离合器摩擦副温度预测模型的样本数据库，以湿式离合器摩擦副对偶钢片为对象，对IGWPSO-SVM模型进行试验验证。试验结果表明，IGWPSO-SVM模型预测摩擦副对偶钢片...     

基于相空间重构和QPSO-SVM的超短期负荷预测

提出了一种基于负荷时间序列相空间重构与量子粒子群优化支持向量机的混合超短期负荷预测方法。首先利用G-P算法和C-C算法分别确定超短期负荷数据关联维数和延迟时间,对数据进行相空间重构,并获取预测模型的输入输出数据。接着采用量子粒子群（QPSO）对支持向量机（SVM）进行优化,构建了QPSO-SVM预测模型。最后利用相空间重构获得的模型输入输出数据对QPSO-SVM进行训练获得负荷预测模型。对某电网模拟负荷预测试验结果表明,本文提出方法有效提高了负荷预测精度,具有一定的科学意义及工程价值。     

基于PLS和改进CVR的数控机床热误差建模

为提高支持向量回归(SVR)模型的预测能力,将核心向量回归(Core vector regression,CVR)方法引入到数控机床热误差建模中,并采用偏最小二乘(Partial least squares,PLS)算法从输入样本提取主成分,构建特征集,然后使用改进的粒子群优化(Improved particle swam optimization,IPSO)算法对CVR的模型参数进行寻优,从而提出一种基于PLS-IPSO-CVR的数控机床热误差建模方法。仿真实验表明,所提出的建模方法在预测精度和速度方面优于传统SVR模型和BP神经网络模型,从而验证了组合建模方法的可行性和有效性。     

基于粒子群寻优的支持向量机番茄红素含量预测

应用支持向量机(SVM)通过色差值对番茄果实番茄红素含量预测进行建模,解决预测过程受影响因素多、参数互相关联、难以建立精确模型问题。为提高预测精度,将SVM参数选择和输入变量的选取看作组合优化问题,通过赤池信息准则(AIC)构造组合目标优化函数,采用粒子群算法(PSO)进行目标函数搜索,提高了搜索效率。对采后储藏不同成熟度番茄进行的测量表明,所提预测建模算法在番茄红素的预测中具有良好的性能,为番茄红素的便捷、无破坏性测量提供了一种方法。     

柳江流域多时间尺度的降雨径流模拟分析

收集柳江流域的24个气象站点降雨数据和重要水文站流量数据,采用Pearson相关系数法和Spearman相关系数法对流域不同时间尺度的降雨量和径流深进行相关性分析,并基于遗传算法和粒子群算法,利用支持向量机模型开展多时间尺度的流域降雨径流模拟研究。结果表明:(1)柳江流域年降雨量和年径流深、汛期降雨量和汛期径流深、主汛期降雨量和主汛期径流深表示的相关性基本一致,都有明显的相关性,通过了99%的显著性水平检验。降雨量和径流深的相关性在主汛期最高,汛期次之,枯水期最差,这主要与枯水期径流多依靠水利工程的补水调节作用有关。(2)支持向量机模型在柳江流域的年径流量、汛期径流量和主汛期径流量的模拟中,通过遗传算法和粒子群算法优选出的参数的模拟效果都是相对准确的。在柳江流域年径流量的模拟中,粒子群算法优选的参数得到的支持向量机模型泛化能力更好,而在汛期径流和主汛期径流的模拟中,遗传算法优选的参数得到的支持向量机模型更加平稳。模拟结果可以为柳江流域防灾减灾提供科学依据。