简化参考作物蒸发蒸腾量公式在陕西关中地区的适用性研究

为满足关中地区气象资料不全区域的ET0计算需求,选用Priestley-Taylor、Hargreaves-Samani、Hargreaves校正、Imark-Allen拟合法等简化计算公式计算了关中地区10个典型站点41a的月ET0,寻求适合该地区的简化公式。以FAO-56Penman-Monteith(PM)计算结果为标准,进行对比分析。结果表明,Hargreaves系列法在年际和年内变化趋势上与PM法吻合良好,但该系列法计算的ET0明显大于PM法计算结果;Irmak-Allen法只在年内变化趋势与PM法接近,而年际变化趋势差异较大。Priestley-Taylor法在关中中西部偏差较小,Hargreaves校正法、Irmak-Allen法在关中东部偏差较小。     

关中地区夏玉米和冬小麦不同蒸发蒸腾量估算方法的研究

参考作物蒸发蒸腾量(ET0)是精准估算作物需水量、提高农田水分利用效率的重要依据。基于2013-2017年的田间试验数据以及相关气象观测资料,采用5种计算ET0的方法计算关中地区日平均ET0和年平均ET0,采用Origin对ET0及环境因子进行相关分析,使用标准误差估计(SSE)和决定系数r2,在FAO-56 PM和其他4种简单替代方法之间进行比较。结果表明:对ET0和气象因子的标准分数的分析表明,ET测量值和5种方法的估计值均高度依赖于太阳辐射和温度,但与相对湿度和风速的关系较小。对5种ET0估算方法,即:FAO-56 Penman-Monteith(FAO-56 PM)、Penman-Monteith(PM)、Priestly-Taylor(PT)、Mankink(MK)和Hargreaves(HG)进行了评估。统计分析表明PM可代替FAO-56 PM方法来预测该地区的ET_0值。这与作物蒸发蒸腾量(ETC)的准确估计直接相关,这也取决于作物生理特征和发育阶段、天气参数、环境条件和管理实践。     

基于哈格里夫斯法评价印度普萨参考蒸散量（摘选）

精确测定参考作物蒸散量(ET o)对于精确计算作物水分利用是非常必要的。FAO-56 Penman-Monteith法(FAO-56 PM)是联合国粮食和农业组织认可的测定参考作物蒸散量的标准方法。可是,一些天气变量,特别是相对湿度、太阳辐射和风速经常缺失,这可能会妨碍利用FAO-56 PM方法进行ET o估算。为了克服以上情况,评价哈格里夫斯法在估算位于拉金德拉农业大学的菩萨天文台数据的准确性和实用性是很重要的。哈格里夫斯方程经常高估一个区域,因此该方法在普萨地区已经不再使用。利用统计回归分析对哈格里夫斯系数进行校正,得到结果分别由0.002 3和17.8降到0.001 62和-3.039 39。比较利用修正的哈格里夫斯方程和FAO-56 PM计算得到ET o,均方根误差(RMSE)和均偏置误差(MBE)比最小值0.77和-0.11 mmd小1.00和0.21,相应的导致在ET o估算中出现小错误。1998—2006年间的数据经R2、X2检验和一致性指数检测均表现出显著相关性。在普萨地区,利用修正的哈格里夫斯方程(ET AHG平均值为3.71 mmd)和FAO-56PM方法估算得到的ET o基本一致。     

3种ET_0计算方法在海南省的适用性比较

为了探究不同参考作物需水量(ET0)计算方法在海南省的适用性,收集了海南省7个站点2000-2014年的气象数据,以Penman-Montieth公式的ET0计算结果为基准,选取了Priestley-Taylor公式、Irmak-Allen公式和Hargreaves-Samani公式3种计算方法,比较ET0计算值逐日变化规律,并进行误差分析和相关性分析。结果表明,Priestley-Taylor公式的ET0计算结果精度最高,其平均绝对误差和平均相对误差分别为0.760 mm/d和24.190%,其次为Hargreaves-Samani公式的ET0计算结果,Irmak-Allen公式的ET0计算结果精度较差。相关性分析中,Priestley-Taylor公式和Irmak-Allen公式表现较好,两个公式计算结果的相关系数均大于0.9,回归方程斜率分别为1.203和0.883。由研究可知,Priestley-Taylor公式在海南省具有较好的适用性。     

黄土高原丘陵沟壑区多种参考作物需水量模型对比分析

利用米脂地区2000—2005年逐日气象资料,以FAO56-PM方程计算结果为标准,通过线性回归、均方根误差（RMSE）和平均偏差,在日、月及年时间尺度上分析、评价10种ET0计算模型。结果表明,除Hargreaves和Turc模型外,其他8种模型计算的日ET0值与FAO56-PM的R2均大于0.9。不同模型与FAO5...     

云南立体气候条件下参考作物腾发量计算方法的适用性研究

【目的】合理估算云南省特殊气候条件下的参考作物腾发量,验证不同ET0计算方法的适用性。【方法】利用云南省6个灌溉用水分区的14个气象站资料,以FAO推荐的ET0计算方法(FAO-56Penman-Monteith法)为标准,利用标准差(δ)、相对误差(RE)、一致性指数(IOA)、Nash-Sutcliffe系数(NES)、线性回归法、反距离加权平均法等指标和方法对其他6种常用ET0计算方法的适用性进行评价。【结果】随着降水量的减少,ET0大体上呈增加趋势。受云南省特殊低纬高原季风气候及"通道-阻隔"效应影响,云南省各分区逐月ET0值呈双峰曲线的变化规律,峰值分别位于4月和8月。不同水平年ET0计算方法的适用性不存在一致的规律性,6种ET0计算方法与FAO-56Penman-Monteith法计算得到的ET0计算结果的线性回归绝定系数(R2)均大于0.9,FAO-79 Penman法和Irmark-Allen法于6个分区显著相关,FAO-24 Penman法仅在1个分区显著。各分区各种方法的RE值均不大,在0～0.28之间。各方法中IOA值和NSE值在各区表现最好的方法为FAO-79 Penman法,IOA值和NSE值分别为0.65～0.96和0.58～0.89。【结论】FAO-79 Penman法在云南省除干热河谷区外的其他区域的适用性最强,计算精度最高;FAO-24 Penman法在云南省范围内适用最差,误差较大;FAO-24 Radiation法在除滇西北区以外的区域相对误差较小;Hargreaves-Samani法在干热河谷区及滇中区适用性较好。     

参考作物蒸发蒸腾量计算方法在海河流域的适用性

参考作物蒸发蒸腾量（ET0）的计算公式很多，各公式所需参数各异，为寻找一种所需资料少而又精度较高的替代方法，选用1998年FAO-56分册推荐的Penman－Monteith（PM）、Hargreaves、Irmark-Allen等6种方法分别计算海河流域10个典型气象站30 a的参考作物蒸发蒸腾量，并以PM公式为标准，对其他方法进行评价。结果表明，10个站点中除了五台山地区，Hargreaves与FAO-24 Radiation 这2种方法更接近于PM方法的计算结果，其误差较小，在海河流域缺少辐射和风速     

基于基因表达式编程算法的参考作物腾发量模拟计算

选取都安气象站5年(2008—2012年)的逐日气象数据,包括日最高气温、最低气温、平均风速、日照时数以及相对湿度5个气象要素的不同组合作为输入,并以FAO-56 Penman-Monteith法(FAO P-M)的计算结果作为标准值,采用基因表达式编程算法(GEP)及径向基函数网络算法(RBFNN)对参考作物腾发量ETo进行模拟计算,并将模拟结果与Hargreaves模型的计算结果进行比较,用决定系数R2和均方根误差RMSE作为评价指标。结果表明,GEP模型能够捕捉到ETo的变化,具有较强的适用性,与FAO P-M公式的计算值有很高的一致性。引入关键气象因子(气温和相对湿度)后,模型的决定系数R2达到0.914,均方根误差RMSE为0.240 mm/d。在相同输入情况下GEP模型计算精度高于RBFNN模型和Hargreaves模型,并建立了可以替代Hargreaves模型的GEP模型及缺少相对湿度RH时的GEP模型。结果表明,在缺乏相关气象因子时,可以利用GEP模型模拟ETo。     

Venlo型温室内参考作物蒸散量计算方法比较研究

【目的】明确温室内参考作物蒸散量(ET_0)计算方法。【方法】通过实测Venlo型温室内气象数据,并对FAO-56Penman-Monteith(FAO-56 P-M)中隐含的空气动力阻力r*a进行修正,以修正后的Penman-Monteith法作为计算温室内ET_0的标准方法,对其他4种常用的ET_0计算方法:FAO-56 P-M法、FAO-24 Penman法、Irmak-Allen(I-A)法、Priestley-Taylor(P-T)法进行了对比分析。【结果】试验期间温室内日ET_0变化范围为0.49~6.04 mm/d,平均为2.43mm/d;4种计算方法与Penman-Monteith(P-M)修正法均具有良好的线性关系(R20.90),FAO-24 Penman法与P-M修正法计算结果最为接近(RMSE=0.40 mm/d,NSE=0.93),其次为I-A法(RMSE=0.67 mm/d,NSE=0.81)、P-T法(RMSE=0.76 mm/d,NSE=0.76),而在大田条件下广泛应用的FAO-56 P-M法表现最差(RMSE=1.18 mm/d,NSE=0.41)。【结论】4种ET_0计算方法中,I-A法应用最简便,可作为气象资料短缺条件下该地区温室ET_0的简化计算方法。     

豫西北几种ET_0计算方法的比较及Hargeaves公式的修正

根据豫西北地区30年的气象资料,选用辐射法中的Makkink公式和Priestley-Taylor公式以及温度法的Hargreaves公式和McCloud公式计算了ET0,并以Penman-Monteith公式为标准,分别对各公式年值和旬均值的绝对误差、相对误差和累计误差进行分析,结果显示Hargreaves公式的精度最高。为了进一步提高Hargreaves公式的应用精度,建立了线形回归方程,并对其进行了修正。     

水科学中应用数理统计方法应注意

对回归方程误差的影响因素进行了分析，导出了回归方程的均方误差与其影响因素之间的关系式。分析表明，复相关系数(或相关系数)一定时，倚变量的变差系数越大，回归方程的均方误差就越大；回归分析时，应对回归方程的误差进行分析。对于样本均值估计总体均值，给出了基于误差限制的样本容量的计算式。研究表明，应考虑样本变差系数对估计精度的影响。     

基于长短时记忆网络（LSTM）的蟹塘溶解氧估算优化方法

水中溶解氧含量低会影响螃蟹的成活率,保证低溶解氧时刻溶解氧的预测精度非常重要。目前,溶解氧传感器价格昂贵且易遭受腐蚀,因此通过相关变量来间接估计溶解氧浓度有重要的意义。本研究在长短时记忆网络（LSTM）模型的基础上,优化LSTM反向传播时的损失函数,提出了提高低溶解氧含量估算精度的溶解氧预测模型（LDO-LSTM）。LDO-LSTM的损失函数是在平均绝对百分比误差（MAPE）基础上,根据溶解氧值的变化趋势和溶解氧浓度大小,分别赋予不同权值的权重函数,并通过均方根误差（RMSE）和平均绝对百分比误差（MAPE）来评估LDO-LSTM和LSTM在不同范围的溶解氧估算能力。对模型的测试试验结果表明：在溶解氧高于6mg/L时,LDO-LSTM和LSTM的RMSE、MAPE差值稳定在0.1左右;在溶解氧低于6mg/L时,LDO-LSTM的RMSE值和MAPE值分别比LSTM低0.25和0.139,说明了LDO-LSTM网络不但可以保证整体溶氧预测精度,而且能够提高较低溶解氧值的估算精度。本研究对于降低水产养殖成本、提高溶解氧估算精度有着重要的作用。     

基于ISRCDKF的移动机器人同时定位与建图研究

为解决移动机器人在同时定位和建图(Simultaneous localization and mapping,SLAM)技术中普遍存在状态精度不高、稳定性差、计算复杂等问题,提出一种基于迭代平方根中心差分卡尔曼滤波(Iterated square root central difference Kalman filter,ISRCDKF)的SLAM自主定位算法,以满足SLAM过程中的实时性、准确性等要求。该算法使用中心差分变换处理SLAM的非线性问题,避免了泰勒公式展开中雅可比矩阵复杂运算;同时在滤波更新过程中,通过直接传递协方差矩阵的平方根因子减少算法的复杂度;在迭代观测更新过程中,使用列文伯格-马夸尔特(Levenberg-Marquardt,L-M)优化方法引入调节参数,实时修正协方差矩阵,达到提高算法精度、增强稳定性的目的。仿真结果表明,在相同的数据模型和噪声环境下,本文提出的ISRCDKF-SLAM算法与基于扩展卡尔曼滤波(Extended Kalman filter,EKF)的SLAM算法、无迹卡尔曼滤波(Unscented Kalman filter,UKF)的SLAM算法和容积卡尔曼滤波(Cubature Kalman filter,CKF)的SLAM算法相比,均方根误差分别降低了47.3%、32.7%和25.0%;与相同计算复杂度的UKF-SLAM算法和CKF-SLAM算法相比,新算法的运行时间分别减少了15.1%和10.8%。将新算法嵌入到移动机器人平台进行现场实验验证,进一步证明了该算法的实用性和有效性。     

我国数控机床几何误差的补偿分析

文章对数控机床几何误差产生的原因作了比较详细的分析,将系统误差的补偿方法进行了归纳,并在此基础上阐述了各类误差补偿方法的应用场合,为进一步实现机床精度的软升级打下基础。     

基于分形理论的土壤水动力弥散系数尺度模型

采用粒子平均移动的概念和理论,推导出土壤水动力弥散系数分形模型。模型参数包括粒子实际的无规则运动所产生的的弥散系数α0,描述土壤结构和非均匀性对于水动力弥散系数影响的系数β和分形维数D。实测资料验证表明,所提出的模型能够较好的反映土壤水动力弥散系数与尺度的关系。参数分析表明,分形维数D和参数β分别描述土壤非均质性和土壤结构对水动力弥散系数的影响,移动距离方差有随α0的增大而增加的趋势。     

数控机床几何误差相关性分析方法研究

为提高数控机床的精度,降低装配、制造过程产生的几何误差的影响,基于多体系统理论建立几何误差模型,在误差相关性分析的基础上,提出了一种辨识关键性几何误差元素的方法。首先,基于多体系统理论及齐次坐标变换方法建立了三轴数控机床几何误差模型,构建了几何误差元素相关性分析模型。其次,采用拉丁超立方抽样方法在整个参数空间内抽样,有效避免了单因素分析的缺陷。最后,通过计算拉丁立方抽样确定的误差元素引起的空间几何误差,进行相关性分析并辨识影响机床精度的关键几何误差元素。误差补偿后的圆测试对比结果表明,该方法可判别影响数控机床空间精度的重要误差元素,并能够定量辨识误差元素对几何误差向量的作用效果,可为机床误差补偿及精度分配提供重要的理论参考。     

直线驱动型并联机器人误差模型与灵敏度分析

为提高直线驱动型并联机器人动平台末端执行器位置精度,根据并联机构结构和运动学模型,对影响末端位置精度的各项误差源进行了分析,利用解析法建立动平台末端操作空间与关节空间之间的误差映射模型;在灵敏度误差模型的基础上,依据全域灵敏度评价指标,提出了一种误差源筛选方案,筛选影响位置精度的主要误差源,利用蒙特卡洛法随机模拟并联机器人中各零部件的尺寸误差、驱动误差和装配误差,得知筛选前后动平台位置误差基本一致,验证了评价指标的正确性。以激光跟踪仪为测量工具在任务空间中取点测量,对筛选后的主要误差源进行辨识,修正并联机构的正向运动学模型后,并联机构末端位置精度改善显著,验证了误差源筛选方案的有效性和可行性,减轻了误差参数辨识的复杂程度和计算量,对结构较复杂的机构误差补偿具有一定的指导意义。     

数据采集系统中的测量误差及其补偿

集成电路技术的发展改变了以往数据采集系统的设计方式。它以数字信号电路作为主流，提高了系统的整体精度，但是在现代数据采集系统中，仍然存在由系统内部和外部因素造成的测量误差，影响测量精度。为此介绍了一些常见的测量误差产生原因及其补偿方法。     

大射电望远镜平台静态结构参数误差分析与标定研究

为了提高大射电望远镜精调stewart平台的定位精度,首先利用激光跟踪仪（API）获得stewart平台的位置和姿态,其次基于运动学微分法建立了stewart平台的误差模型,最后针对大射电望远镜精调stewart平台进行了实验验证,实验结果表明stewart平台结构参数修正后,位置精度提高到0.09mm,姿态精度提高到0.014度.     

摆头转台型五轴机床旋转轴运动误差测量与辨识

为了快速、系统地辨识摆头转台型五轴机床旋转轴几何误差中的12项运动误差,提出了一种基于球杆仪(Double ball bar,DBB)五次安装的运动误差测量辨识方法。首先,结合摆头转台型五轴机床旋转轴分布特征,基于多体系统理论及齐次坐标变换方法建立了旋转轴局部坐标系下的测量模型,表征了空间误差向量与几何误差项之间的映射关系。其次,通过设置DBB初始安装位置及方向,实现了不同测量模式之间的连续切换,从而构造了五次安装法,辨识了摆头转台型五轴机床2个旋转轴共计12项运动误差,降低了DBB安装误差对测量及辨识结果准确性的影响。最后,在摆头转台型五轴机床上利用五次安装法进行基于DBB的运动误差测量辨识实验以及虚拟圆锥台轨迹测量实验,利用辨识值进行误差补偿,结果显示两个旋转轴的几何误差平均降低了48. 89%和51. 49%,虚拟圆锥台测量轨迹的半径偏差降低了50. 52%。误差补偿结果验证了测量、辨识的准确性和有效性。