流域植被对水量平衡影响的模拟研究

采用简化的简单生物圈模型（Simplified Simple Biosphere Model,SSiB）与TOPMODEL的耦合模型SSiB／TOPMODEL,进行5种植被类型覆盖下梭磨河流域水量平衡敏感性试验,并在此基础上分析流域植被对流域水量平衡的影响。结果表明,植被覆盖增加了冠层蒸腾和截留蒸发而使土壤蒸发减小。蒸发分量中这2个相反变化的净效应决定了植被的水文效应是增加流域的径流还是减小径流。对于模拟的5种植被类型与裸地相比,流域蒸发均有所减小,而流域径流均有所增加。当流域为草地覆盖时,流域总蒸发最大,为1．2205mm／d,而总径流深最小,为0．6587mm／d;当流域为落叶针叶林覆盖时,流域总蒸发最小,为1．0250mm／d,而总径流深最大,为0．8544mm／d：当流域为常绿针叶林覆盖时,蒸腾和冠层截留蒸发最大,分别为0．383和0．489mm／d。而土壤蒸发,草地覆盖时最大为0．799mm／d,常绿针叶林覆盖时最小为0．243mm／d。     

吉林梅花鹿发情期卵泡发育波研究

本研究通过直肠B超技术监测了经过2种同期发情处理（CIDR＋PG＋PMSG和1G）的9头吉林梅花鹿发情周期卵泡动态发育情况。实验得出：梅花鹿的卵泡发育均呈波形发育,1个发情周期由1—3个卵泡波组成。3个1波周期,3个2波周期,2个3波周期。1波周期的长度是5．3d±0．6d,2波周期的长度是12．3d±4．0d,3波周期的长度是25．5d±2．1d。未发情的216号梅花鹿在整个观察期中出现2个卵泡发育波,而未发情的1号鹿卵泡发育没有出现明显的波。1波周期梅花鹿的最大卵泡平均直径（5．4mm±0．5mm）,比2波周期中第1个（5．1mm±0．6mm）和第2个内波的最大卵泡平均直径（4．8mm±0．5mm）和3波周期中第2个内波的最大卵泡平均直径（5．2mm±0．4mm）都大（P〉0．05）,比3波周期中第1个和第3个内波的最大卵泡平均直径（分别是5．6mm±0．3mm和5．7mm±1．1mm）小（P〉0．05）。2波和3波周期中的所有内波的最大卵泡平均直径差异显著（P〈0．05）,2波周期中的最大卵泡比3波周期中的直径小。2波周期的内波间隔（6．0d±1．4d）比3波周期的所有内波间隔（9．8d±1．5d和5．7d±1．rid）明显短（P〉0．05）。1波周期生长持续期是4．5d±0．7d,2波周期生长持续期（4．7d±1．5d和4．0d±1．7d）和3波周期中卵泡的生长持续期（4．5d±2．1d、6．5d±2．1d和2．5d±0．7d）差异不显著（P〉0．05）。2波周期中第1波（0.5mm／d±0．3mm／d）和第2波的生长速率（0．5mm／d±0．2mm／d）没有显著差异（P〉0．05）。排卵波和闭锁内波的卵泡生长持续期也没有显著差异（P〉0．05）。     

森林火灾成灾面积的人工神经网络BP模型预测

应用人工神经网络BP模型对河南省森林火灾成灾面积进行预测,网络模型的最大相对误差为1.15%,最小相对误差是0,平均为0.42%,表明预测值与实际值吻合程度很好,模型精度较高,建模简单,是预测森林火灾成灾面积的有效方法.     

茶多酚乙酰化修饰及其抑菌活性

以改性产物对大肠杆菌的抑制能力为参数,结合单因素试验,利用响应面分析法建立了茶多酚乙酰化多元二次回归方程模型,优化了茶多酚乙酰化工艺条件。试验表明,在料液比为1 g∶7．99 mL、催化剂吡啶用量为0．32 g、反应温度为74．7℃下回流反应2．55 h,所得改性茶多酚抑菌圈直径为8．64 mm,与模型预测结果的相对误差为－0．46％;与茶多酚对照组相比,抑菌圈直径增加了1．35倍,最小抑菌浓度由0．15 mg／mL降低到0．10 mg／mL,改性产物具有较好的热稳定性;与几种常见防腐剂相比,对大肠杆菌抑制能力大小为：苯甲酸＞改性茶多酚＞山梨酸钾＞苯甲酸钠＞茶多酚,最小抑菌浓度为：改性茶多酚＜山梨酸钾＜茶多酚＜苯甲酸＜苯甲酸钠。     

枸杞中吡虫啉、阿维菌素农药残留量的测定

建立了高效液相色谱法分析枸杞中吡虫啉、阿维菌素残留量的方法。样品采用酸性乙腈溶液提取，以高效液相色谱法分离检测，面积外标法定量分析，吡虫啉标准曲线的线性关系系数为0．9997，阿维菌素为0．9995，线性范围为10．0～1000μg／L。枸杞中吡虫啉平均回收率92．0％～110％，最小检测浓度0．047μg／kg；阿维菌素平均回收率86．0％～98．0％，最小检测浓度0．33μg／kg。该分析方法具有良好的重现性，定量结果的相对标准偏差均小于10％，可满足检测分析要求。     

竹姜分生组织培养及快繁技术体系研究

以竹姜根茎的茎尖和腋芽为外植体,对其分生组织进行分化诱导和试管繁殖及其寄栽苗生长发育的研究,建立了组培快繁技术体系。结果如下：MS培养基附加BA1、0mg／L NAA1．0mg／L对茎尖和腋芽分生组织的离体培养,出芽率分别可达57．1％和75．0％;试管苗增殖以Ms培养基附加BA2．0mg／L NAA1．0mg／L为宜,增殖苗粗壮,1个月增殖3．5倍。在1／2Ms NAA0、2mg／L的壮苗培养基中,培养15d根长平均可达15．1mm,根颈粗1．3mm,寄栽时以NAA10mg／L IBA10mg／L的混合生根液处理,成活率93．3％。     

转基因抗虫杂交棉不同世代产量优势比较

2002-2004年，以转基因抗虫棉农杂62，H16,H64的F1，F2，F3为材料，比较了杂种后代的产量优势．结果表明，F1平均皮棉总产量为l296．30kg／hm^2，比对照泗棉3号增产214．38kg／hm^2，平均竞争优势为19．8l％；F2平均皮棉产量为1168．65kg／hm^2，比对照增产86．73kg／hm^2，平均竞争优势为8．01％；F3平均皮棉产量为1117．65kg／hm^2，比对照增产35．73kg／hm^2，平均竞争优势为3．30％．F1竞争优势最大，其次为F2，f3,F2，f3的衰退率与竞争优势一致，其平均优势衰退率分别下降了12．59％和17．62％．在试验材料中，农杂62的产量最高，F1竞争优势大，而其F2，F3衰退率也最大；H16的产量最低，F1竞争优势最小，而其F2，F3衰退率也最小．在产量构成主要因素中，成铃数与产量的相关系数最大，为0．86962，其次是铃重和衣分，相关系数分别为0．73410和O．54273；F1，F2，F3成铃数与产量的相关系数分别为0．87080，0．84119，0．13814，表明杂种的结铃优势强．     

基于粒子群优化(PSO)超限学习机预测新疆参考作物蒸散量

参考作物蒸散量(ET0)的准确预测对于作物需水量预测、农田精准灌溉和提高水资源利用效率等具有重要意义.为了解决传统方法获取ET0的弊端,本研究基于粒子群优化(Particle swarm optimization,PSO)-超限学习机(Extreme learning machine,ELM)预测ET0.通过选取新疆地区3个站点(乌鲁木齐、喀什、哈密)的最高气温(Tmax)、最低气温(Tmin)、平均相对湿度(RH)、风速(u2)、光照时间(n)等气象数据,建立PSO-ELM预测模型,对模型精度和普适性进行研究,并通过与ELM、Makkink、I-A模型的对比,探究不同气象因子组合模型的预测精度.结果表明,PSO-ELM模型在5种气象因子输入下具有最高预测精度(平均R2=0.9747,平均MAE=0.2520 mm/d,平均RMSE=0.3643 mm/d).由PSO-ELM6模型与ELM、Makkink、I-A模型的对比结果看出,在相同的气象因子输入条件下,3个站点用PSO-ELM6模型预测的效果最好.通过对PSO-ELM3模型在新疆地区普适性的研究发现,该模型具有较高的预测精度(平均R2=0.9465,平均MAE=0.3070 mm/d,平均RMSE=0.3569 mm/d).不同站点、不同气象因子输入的PSO-ELM模型能够较为精准地反映气象因子与ET0之间复杂的非线性关系,且模型在新疆地区的普适性较好,可以为新疆地区逐日ET0预测提供新的方法.     

巨龙竹竹材结构及其变异的解剖学研究

对巨龙竹两种变异类型的秆茎结构进行了解剖学研究，对其维管束、导管、纤维的形态特征进行了定量显微观测和系统分析，结果为：巨龙竹的维管束为断腰型和双断腰型，双断腰型的维管束仅发生在茎秆的基部；维管束的长度为0．17～1．77mm，平均0．68mm；宽0．14～1．08mm，平均0．67mm；长宽比0．29～3．00，平均1．03；最大密度17．5个/mm^2，最小为1个／mm^2，平均5．98个／mm^2；在同一秆茎的不同高度(轴向)及同一高度的不同部位(径向)维管束的大小和分布各有不同；巨龙竹发生节间缩短的变异时，节间中的各项成分如导管、纤维等亦有缩短的趋势。     

奥尼罗非鱼当年养成出口规格的试验

为了探索奥尼罗非鱼池塘当年养成达出口规格的模式，进行池塘养殖当年繁殖的奥尼罗非鱼苗种达出口规格的试验。在0．18hm^2池塘中投放全长为3-4cm的奥尼罗非鱼鱼苗2860尾，经178d养殖达到出口规格。奥尼罗非鱼平均体重为0．75kg／尾，最大为1．1kg／尾。平均体长为26．1cm，最大为29．5cm。总产量为1750kg．平均产量为9720kg／hm^2．养殖成活率为81．6％。     

基于天气预报的参考作物蒸发蒸腾量预测模型

参考作物蒸发蒸腾量(ET_0)是计算作物需水量和进行灌溉预报的基本要素。本文利用天气预报可测因子和Penman Monteith(PM)公式ET_0计算值作为基础数据,分别建立BP神经网络模型和ANFIS自适应模糊神经推理系统模型,两种模型的估算值与PM公式的计算值没有明显差异,均表现出显著的相关性以及整体吻合度。本文对两种模型取相同的数据样本进行比较,BP-ET_0预测结果的MRE值为32.13%,RMSE为0.134 mm,而R2达到了0.971,说明模型预测精度高,稳定性良好。相较于ANFIS-ET_0的检验结果,BP-ET_0模型的均方根误差更小(0.134mm/d0.188 mm/d),表明其预测精度更高;而ANFIS-ET_0模型估算值的平均相对误差明显小于BP-ET_0模型估算值(16.92%32.13%),显示出ANFIS-ET_0模型更高的稳定性。两种预测模型的输入项完全可以从当前短期天气预报因子中取得而不需要专用测量设备,程序操作简单,具有实用价值,为实时灌溉预报提供了理论基础。     

雨量站分布不均匀流域的降雨径流预报人工神经网络模型

为解决传统方法难以可靠预报雨量站分布不均匀流域的次降雨径流量这一水文预报难题 ,探讨了人工神经网络模型用于该类水文预报问题的可能性。实例研究表明 ,以次暴雨量及其前期影响雨量为输入、次暴雨径流总量 (净雨量 )为输出的 BP网络模型 ,预报的相对误差比蓄满产流模型预报的相对误差平均低 9.2 % ,这说明 ,人工神经网络模型可作为雨量站分布不均匀等雨量观测存在系统偏差或不足流域的降雨径流预报模型。     

GM(1,N)灰色系统与BP神经网络方法的粮食产量预测比较研究

基于国家粮食安全预警系统的开发项目,针对我国粮食年产量预测中精度差和波动大的问题,分析了逐步回归、BP神经网络和GM(1,N)灰色系统3种常用预测方法的预测能力。根据能够计量和具有农学意义2个原则,选择了粮食作物播种面积、化肥施用量、粮食作物有效灌溉面积等12个重要的粮食年产量影响因子,用上述3种方法构建预测模型。在建模样本相同的情况下,结果显示,BP神经网络方法5年期拟合平均相对误差为1.44%,连续5年逐年预测平均相对误差可达到2.89%,这2个性能均优于其他2种方法,可以较好地应用于粮食安全预警系统,笔者最后探讨了对BP神经网络进一步优化的方法。     

地下水位粒子群优化神经网络组合预测模型

【目的】将粒子群优化神经网络组合预测方法引入地下水位预测中,以提高地下水位预测的精度。【方法】以回归分析法、指数平滑法、灰色GM（1,1）模型的地下水位预测结果及预测结果平均值作为网络的输入,以实际地下水位值作为输出,对3个单一模型进行非线性组合,建立地下水位的粒子群优化神经网络组合预测模型,应用实例对模型的预测结果进行了验证,并与3个单一模型及等权平均组合模型的预测结果进行比较。【结果】实例运用结果表明,粒子群优化神经网络组合预测模型的均方误差为0.740 9,平均绝对误差为0.657 6,均小于单一模型及等权平均组合模型的相应值。【结论】粒子群优化神经网络组合预测方法适用于地下水位的预测。     

基于最小二乘支持向量机的灌区粮食产量预测研究(英文)

对常用作物产量预测模型进行了简要评述,建立了基于最小二乘支持向量机的灌区产量预测模型。最小二乘支持向量机,采用二次规划方法代替传统的支持向量机来解决函数估计问题。最小二乘支持向量机在利用结构风险原则时,在优化目标中选取了不同的损失函数,即误差ξ_i(允许错分的松弛变量)的二范数。这使得最小二乘向量机的优化问题为:min(1/2)‖w‖~2+C(1/2)sum from i=1 to 1ξ_i~2(ξ_i是松驰变量;C为正则化参数)。用于函数估计的最小二乘SVM为:y(x)=sum from k=1 to Nα_k K(x,x_k)+b。采用等式约束可以将求解的优化问题转化成线性方程,大大减少算法的复杂性,另外,采用径向基核函数的最小二乘SVM仅需确定γ、σ2个参数(γ为可调参数,σ为核函数宽度系数),参数的搜索空间由标准SVM的三维降低到二维,极大地加快了建模速度。对γ,σ2个参数通过模型评估来确定参数最优值,大大提高了预测的精度。对河南省人民胜利渠灌区作物产量进行模拟计算,并用检验样本与灰色预测和神经网络模型的预测结果进行了比较。结果表明,最小二乘SVM预测的最大误差7.12%,平均误差4.81%;灰色理论预测的最大误差38.36%,平均误差17.52%;神经网络预测的最大误差10.40%,平均误差6.80%。可见,最小二乘支持向量机模型有较高的预测精度和良好的推广能力,预测结果优于灰色预测理论和人工神经网络,可作为灌区粮食产量预测的一种新方法。     

基于最小二乘支持向量机的灌区粮食产量预测研究

对常用作物产量预测模型进行了简要评述,建立了基于最小二乘支持向量机的灌区产量预测模型。对灌区作物产量进行模拟计算,并用检验样本与灰色预测和神经网络模型的预测结果进行了比较。结果表明,最小二乘支持向量机预测的最大误差7．12％,平均误差4．81％。最小二乘支持向量机模型有较高的预测精度和良好的推广能力,可做为灌区粮食产量预测的一种新方法。     

基于最小二乘支持向量机的灌区粮食产量预测研究

对常用作物产量预测模型进行了简要评述,建立了基于最小二乘支持向量机的灌区产量预测模型。最小二乘支持向量机,采用二次规划方法代替传统的支持向量机来解决函数估计问题。最小二乘支持向量机在利用结构风险原则时,在优化目标中选取了不同的损失函数,即误差ξ_i（允许错分的松弛变量）的二范数。这使得最小二乘向量机的优化问题为：min（1/2）‖w‖^2＋C（1/2）sum from i=1 to 1ξi~2（ξi是松驰变量;C为正则化参数）。用于函数估计的最小二乘SVM为：y（x）=sum from k=1 to Nαk K（x,xk）＋b。采用等式约束可以将求解的优化问题转化成线性方程,大大减少算法的复杂性,另外,采用径向基核函数的最小二乘SVM仅需确定γ、σ2个参数（γ为可调参数,σ为核函数宽度系数）,参数的搜索空间由标准SVM的三维降低到二维,极大地加快了建模速度。对γ,σ2个参数通过模型评估来确定参数最优值,大大提高了预测的精度。对河南省人民胜利渠灌区作物产量进行模拟计算,并用检验样本与灰色预测和神经网络模型的预测结果进行了比较。结果表明,最小二乘SVM预测的最大误差7.12%,平均误差4.81%;灰色理论预测的最大误差38.36%,平均误差17.52%;神经网络预测的最大误差10.40%,平均误差6.80%。可见,最小二乘支持向量机模型有较高的预测精度和良好的推广能力,预测结果优于灰色预测理论和人工神经网络,可作为灌区粮食产量预测的一种新方法。     

基于气象参数的内陆干旱区作物生育期ET0预测

为实现大田作物灌溉的精细化管理,研究了基于气象因素的生育期ET₀预测模型。采用灰色理论对ET₀与日均、日最高、最低温度,日均风速,相对湿度以及日照时数进行灰色关联度分析,结果表明ET₀与温度（包括日均、最高、最低温度）及相对湿度的灰色关联度较高。在分析ET₀与上述气象因素间的相关系数基础上,采用日均温度、日均风速以及日照时数作为模型的输入,ET₀作为输出,建立了BP神经网络（BPNN）预测模型;采用日均温度、日均风速、日照时数及灰色关联度作为输入,建立了模糊最小二乘支持向量机（FLSSVM）预测模型。研究结果表明,BPNN模型的训练值决定系数为0.8643,平均相对误差6.29%,预测值决定系数为0.8099,平均相对误差7.83%;FLSSVM模型的训练值决定系数为0.9684,平均相对误差2.89%;预测值决定系数为0.9663,平均相对误差3.43%。BP神经网络与FLSSVM模型的精度均较高,可以用来预测ET₀日值,这为大田作物的精细化灌溉管理提供理论与技术支持。     

圆盘式开沟机正反转开沟运动学分析及参数优化

针对圆盘式开沟机开沟方式、作业参数选择不合理,造成工作过程中功率消耗大的问题,通过理论分析和试验验证,研究开沟方式、作业参数与功率消耗的关系。对正、反转开沟过程进行运动学分析,建立开沟方式与开沟深度的适应性方程。利用室内土槽试验台,构建正、反转开沟功耗测试系统。单因素试验表明:当开沟深度为0~368mm时,反转开沟功率消耗大于正转开沟;当开沟深度为368~500mm时,正转开沟功率消耗大于反转开沟。采用正交旋转组合试验,研究了开沟深度、刀盘转速和前进速度对功率消耗的影响规律,得出各因素对正转开沟功率消耗影响的主次顺序是:开沟深度前进速度刀盘转速,对反转开沟功率消耗影响的主次顺序是:开沟深度刀盘转速前进速度。采用多因素单目标优化方法,建立功耗模型并求解得出,当开沟深度为185mm,刀盘转速为190r/min,前进速度为0.85km/h时,正转开沟功耗最小为29.47kW;当开沟深度为415mm,刀盘转速为217r/min,前进速度为1.03km/h时,反转开沟功耗最小为36.28kW。验证试验表明:2种开沟方式下,理论值和试验值的相对误差分别为7.32%和2.47%。     

组合预测方法在玉米施肥预测中的应用

为提高玉米施肥量预测的精度,利用拉格朗日乘数法,基于预测误差平方和最小这一目标,对肥料效应函数、神经网络施肥预测方法这2种单一施肥量预测模型进行加权组合,建立了玉米施肥组合预测模型。预测结果显示:肥料效应函数、神经网络施肥预测方法和组合预测模型的预测误差平方和分别为2789.40,653.79,421.72,说明玉米施肥组合预测模型优于单一施肥预测模型;采用组合预测方法对玉米施肥量进行预测,能够显著提高预测精度。