基于主成分分析的灌区参考作物蒸发蒸腾量预测模型研究

由于参考作物蒸发蒸腾量的影响因子众多,而且存在信息重叠,首先利用DPS软件对众多因子进行主成分分析,然后建立多元线性回归模型和BP神经网络模型对灌区参考作物蒸发蒸腾量进行预测,并将预测结果与Pen-man-Monteith公式计算值进行比较,结果发现多元线性回归模型预测的平均相对误差为10.05%,而BP神经网络模型预...     

苹果可溶性固形物含量的检测方法——基于可见光近红外光谱技术

为了快速检测苹果的可溶性固形物(SSC)含量,采用可见光近红外光谱技术,结合主成分分析(PCA)和BP神经网络技术,来建立苹果SSC的预测模型.获取苹果样本在345～1039 nm波段的漫反射光谱,采用DPS数据处理系统对其进行主成分分析,并提取出累计可信度大于95 %的5个新主成分.建立一个3层的BP神经网络模型,并将这5个新的主成分作为BP神经网络模型的输入量,其结果是98 %以上预测样本的预测相对误差在5 %以下.该研究表明,采用近红外光谱技术来建立苹果可溶性固形物的预测模型是可行的.     

电子鼻技术在鱼粉酸价检测中的应用

酸价是评价鱼粉新鲜度的一个重要指标,探索酸价含量的快速检测对鱼粉品质快速检测具有重要意义.为此,对不同新鲜度的鱼粉样本进行酸价含量的化学测定和电子鼻数据采集,利用BP神经网络和支持向量回归(SVR)建立酸价含量和电子鼻数据两者之间的回归模型,并用预测集样本进行验证.采用BP神经网络和SVR结果相近,其决定系数R2、预测标准差SEP、最大相对误差RE-max、平均相对误差RE-mean分别为0.97,0.20,7.51%,2.45%和0.97,0.27,10.73%,2.94%.结果表明,利用电子鼻技术检测鱼粉酸价含量是可行的.     

基于红外热成像的白羽肉鸡体温检测方法

为了快速、准确地检测肉鸡体温,提出了一种红外热成像技术和深度学习相结合的肉鸡体温检测方法。以卷积神经网络为基础,建立肉鸡头部和腿部的感兴趣区域(Region of interest,ROI)识别模型,提取肉鸡头部和腿部的最高温度,结合环境温度、相对湿度和光照强度,分别构建了基于多元线性回归和基于BP神经网络的肉鸡翅下体温反演模型。试验结果表明,基于深度卷积神经网络(Convolutional neural networks,CNNs)的感兴趣区域识别模型在测试集上的查准率和查全率分别为96. 77%和100%,基于多元线性回归和BP(Back propagation)神经网络的反演模型平均相对误差分别为0. 33%和0. 29%。基于BP神经网络的肉鸡翅下温度反演模型具有更高的准确性,可准确检测肉鸡体温。     

基于神经网络的车辆排气噪声声音品质预测技术

通过评审团成对比较法测试得到18种车辆排气噪声的满意度评价,考察并选取响度、尖锐度、粗糙度、波动度和峭度作为描述车辆排气噪声声音品质的客观心理声学参数,使用BP神经网络理论建立车辆排气噪声声音品质神经网络预测模型,对排气噪声样本的满意度进行预测,并与使用多元线性回归模型所得的预测值进行了比较.结果表明,神经网络模型预测值更接近实测值,误差在10%范围以内,对于单一噪声样本满意度的预测精度高于多元线性回归模型,能够更好地反映客观参数和主观满意度间的非线性关系,可用于车辆排气噪声声音品质的预测研究.     

竹叶片氮含量高光谱估测方法对比研究

为实现快速无损检测竹叶片氮含量,采用波长范围为350~2500nm的地物光谱仪获取竹叶片光谱数据,以金镶玉竹叶片为样本,对其进行高光谱分析。将高光谱原始反射率及其一阶微分、对数一阶微分和二阶微分值,与化学法测量的竹叶片氮含量值进行了相关性分析,分别获得了不同微分变化下的特征波段;基于微分变换后的高光谱反射率数据,分别采用二元线性回归、多元逐步回归、偏最小二乘回归和基于主成分分析的BP神经网络方法,建立了4种金镶玉竹叶片的氮含量高光谱估测模型。对比4种估测模型的校验结果表明,在光谱反射率的对数一阶微分变换下,采用拓扑结构为6-10-1的基于主成分分析的BP神经网络估测模型,校验环节决定系数为0.838,均方根误差RMSE为0.0452,具备较好的竹叶片氮含量估测效果。     

基于神经网络的车辆排气噪声声音品质预测技术

通过评审团成对比较法测试得到18种车辆排气噪声的满意度评价，考察并选取响度、尖锐度、粗糙度、波动度和峭度作为描述车辆排气噪声声音品质的客观心理声学参数，使用BP神经网络理论建立车辆排气噪声声音品质神经网络预测模型，对排气噪声样本的满意度进行预测，并与使用多元线性回归模型所得的预测值进行了比较。结果表明，神经网络模型预测值更接近实测值，误差在10%范围以内，对于单一噪声样本满意度的预测精度高于多元线性回归模型，能够更好地反映客观参数和主观满意度间的非线性关系，可用于车辆排气噪声声音品质的预测研究。     

小开河引黄灌区土壤盐渍化定量遥感反演

近年来黄河下游土地次生盐渍化呈现反复和逐渐加剧的态势,对农业生产和生态安全造成危害。以黄河三角洲小开河引黄灌区为研究区,基于野外实地调查的土壤盐分含量以及Landsat8 OLI多光谱影像,分析土壤样品的光谱曲线特征,利用诊断指数法选取诊断指数较大的波段反射率数据作为自变量,土样盐分数据为因变量,分别采用多元线性回归模型和BP神经网络模型构建土壤含盐量反演模型。结果表明:土壤盐渍化程度越高,影像光谱反射率越低,且在近红外波段反射率最高;BP神经网络模型的反演精度优于传统的多元线性回归模型,其R~2为0.980 8,RMSE为1.059 5,平均相对误差为15.4%,拟合精度较高,能够为灌区盐渍化治理提供基础依据。     

考虑自变及因变影响的农机总动力组合预测模型

为能获得精确预测农机总动力的方法,以灰色模型和多元线性回归模型为子模型,应用Shapley值法计算子模型权重系数,构建农机总动力组合预测模型。应用我国2000-2010年农机总动力数据,分别标定上述模型相关参数,并计算各模型年度相对误差和平均相对误差。其中,GM模型和多元线性回归模型的平均相对误差分别为0.68%和0.91%,组合预测模型的平均相对误差为0.59%,精度较高。同时,组合模型既能够反映数据自身变化规律的特征,又能定量反映农机总动力与其相关影响因数间的数理关系,具有较强的适用性。     

新疆兵团农机总动力预测模型的研究

为了提高新疆兵团农机总动力预测模型的精度,获得更加可靠的预测结果,针对回归模型的多重共线性问题及灰色模型仅含有指数增长趋势的问题,基于2007-2014年农机动力的相关数据,建立了主成分回归和灰色回归两种预测模型。对两种模型的预测精度进行比较分析,结果表明:主成分回归模型和灰色回归模型预测值的平均相对误差分别为0.57%、0.46%,灰色回归预测模型的精度较高,可以较真实地反映新疆兵团农机总动力的变化趋势。应用该模型进行预测,得到了新疆兵团农机总动力未来5年的预测值。     

印度中央邦马尔瓦地区利用人工神经网络和回归模型预测蒸腾量的比较（摘选）

蒸发是水循环的一个重要组成部分,对蒸发量的估算是对水资源和灌溉水量有效利用的一个重要手段。该研究旨在利用多元线性回归模型、多层感知器（MLP）和人工神经网络（ANN）模型模拟印度中央邦马尔瓦地区周蒸发量。利用4种不同天气变量组合训练神经网络模型。多元线性回归模型只将最高温和相对湿度作为输入值,但是模拟结果不令人满意。MLP模型采用的数据集包括最高和最低温度、风速和相对湿度,在训练和验证中都取得了比较好的结果。MLP模型可以用来模拟周开放式蒸发皿蒸发量,估算缺失数据,并可以作为替代模型以验证蒸发量测定值。降雨量数据并不能改善模型性能。      

基于灰色关联分析与多元线性回归模型的水面蒸发预测

采用灰色系统理论中的关联分析方法,对影响水面蒸发的各个因素进行分析,挑选出影响水面蒸发的主要因子,建立水面蒸发与主要影响因子之间的多元线性回归预测模型。通过实例证明,该方法简单可行,预测精度比较高。     

田间持水率土壤传输函数研究

基于不同土壤质地、结构、有机质含量条件下的田间持水率测定,分析了影响田间持水率的主导因素。利用多元线性、非线性模型和BP神经网络模型,建立了田间持水率与常规土壤理化性能参数间的不同传输函数。结果表明:土壤干容重、粉粒含量、黏粒含量以及土壤有机质含量等常规土壤理化性能参数对田间持水率都有较大影响;通过这些传输函数预测田间持水率都是可行的,具有较高的预测精度(相对误差小于10%),BP神经网络模型预测效果最好(相对误差3.24%)。     

双刀型哈密瓜削皮机的改进与回归试验

为提高哈密瓜的去皮率,同时降低哈密瓜两顶端的残留量,设计改进一种内圆弧式的定位叉结构。同时针对抱果夹机构安全性的问题,把夹持块结构改进为抱抓型,以增强人工作业过程中的安全性。为确定驱果电机转速频率、削刀电机转速频率和入切角的最佳值,采用SPSS软件对这三个参数进行多元线性回归分析,建立多元线性回归数学模型,通过回归试验得出试验因素与试验指标之间的回归方程,并确定试验因素参数的最佳值:驱果电机转速频率为32 Hz,削刀电机转速频率为25 Hz,入切角为26°。试验结果表明:双刀式哈密瓜削皮机的去皮率达到89.1%以上,平均去皮率为91.1%,满足企业的实际加工要求。     

灰色系统与多元逐步回归耦合模型在年用水量预测中的应用

探讨了将多元回归分析模型和灰色系统GM(1,1)耦合应用于北京市总用水量预测的方法和技术.对北京市1980～2001年的序列资料,利用灰色系统的关联度分析和逐步回归的思想,通过比较和选择,建立了多元线性逐步回归方程;将用GM(1,1)模型拟合反推得到的预测值带入方程求出总用水量的未来值.结果表明:人均日生活用水量和工业用水量是影响北京市总用水量变化的主要因素.灰色系统与多元线性回归的耦合模型用于对城市总用水量的预测是行之有效的.     

基于近红外光谱的活性米品质检测研究

选取105份具有代表性的活性米样品,研究光谱范围在918~1 045nm内12个波长点的近红外反射光谱与其品质的相关性。利用近红外光谱技术和多元线性回归、主成分回归和偏最小二乘法3种校正方法对活性米中γ-氨基丁酸、水分、蛋白质、淀粉、明度值、红度值及黄度值进行定量分析;选出最优校正模型,模型的预测决定系数分别为0.903、0.964、0.953、0.951、0.949、0.961、0.916,预测标准偏差分别为0.598、1.367、1.367、2.688、0.996、50.144、0.952。研究结果表明:应用近红外光谱技术检测活性米品质是可行性的。     

考虑“蒸发悖论”的洱海灌区逐日参考作物蒸散发预测

【目的】为估算参考作物蒸散发(ET₀)和灌溉实时预报调度、区域农业干旱评估提供依据。【方法】以滇中高原上洱海湖滨灌区的大理气象站为例,探究“蒸发悖论”现象出现的时期,采用气象因子线性回归模型、蒸发皿折算系数K_p模型、气象因子+蒸发皿蒸发(E_pan)多元回归模型、Normal Copula模型等4种方法计算逐日ET₀进行预测对比,并与Penman-Monteith公式计算所得的ET₀进行对比。【结果】①1954—2018年大理站20 cm蒸发皿蒸发量呈下降趋势,ET₀和气温呈上升趋势,但ET₀的上升趋势更平缓;虽然在长时间序列上ET₀和蒸发皿蒸发量有相反的变化趋势,但在年代际存在显著的差异性,1960年和2000全年以及四季均出现“蒸发悖论”,1970年则是全年以及夏、秋、冬三季出现“蒸发悖论”,1990年仅夏季出现“蒸发悖论”,2010年秋季出现“蒸发悖论”。②在未出现“蒸发悖论”时期,加入E_pan后的气象因子多元回归模型法(ET_0,Epan+Metr)所得逐日ET₀预测结果与标准值的误差最小,其次为单纯的气象因子多元线性回归模型法(ET₀,Metr),最差为K_p模型法(ET₀,K_p);加入E_pan后的气象因子多元回归模型(ET₀,ET_0,Epan+Metr)逐日ET₀预测的相对误差(ERR)小于15%、20%、25%的样本数达到了79.18%~90.16%、89.32%~97.23%、94.79%~98.36%。③出现“蒸发悖论”时,蒸发皿蒸发与ET₀的变化趋势相反,只能采用Copula联合分布函数模型预测,构建T-T_max二维Normal Copula模型的精度更高,ERR小于15%、20%、25%的样本数为73.70%~86.56%,82.51%~92.95%,89.89%~98.52%。【结论】通过M-K检验判别是否处于“蒸发悖论”期,以决策选用加入E_pan后的气象因子多元回归模型,还是T-T_max二维Normal Copula模型,二者均可显著提高逐日ET₀预测模拟的精度。     

荆门和桂林灌溉试验站蒸发皿蒸发变化规律及其影响因素的初步分析

以湖北荆门灌溉试验站和广西桂林灌溉试验站的蒸发皿蒸发和气象要素实测资料为例,采用线性趋势线法分析蒸发皿蒸发量的变化趋势以及气温、降雨量、风速、日照时数、日较差和相对湿度等6个气象因子的变化趋势,采用单因素相关分析和多元线性回归分析,研究了气象因子对蒸发皿蒸发的影响。分析结果表明,荆门灌溉试验站1973~2003年蒸发皿蒸发呈下降趋势,其主要影响因素是相对湿度的增大、风速的减小和日较差的减小,桂林农田灌溉试验站1980~2003年蒸发皿蒸发呈上升趋势,其主要影响因素是日较差的增大。     

基于阿克曼率的整车操稳性研究

阿克曼特性对整车操稳性具有重要影响。对市面上某款轿车前悬架总成进行研究,在ADAMS/Car中建立多体动力学模型,并根据台架试验对悬架模型进行了验证,通过仿真分析发现悬架的阿克曼转角缺陷。针对这一问题,综合运用灵敏度分析、曲线回归拟合、加权平方和优化算法,对悬架的硬点调整实现优化设计。试验结果表明,该方法有利于提升悬架的整车操稳性。对工程实践和底盘悬架设计有一定的参考价值。     

Excel软件在农药标准编写中的应用

以富右旋反式烯丙菊酯为例,介绍在农药标准编写中运用Excel软件进行数据整理的方法。经过打开Excel软件、输入数据、数据分析、线性拟合、添加趋势线等主要步骤,最终得到一元线性回归方程及其相关图。应用Excel软件编写农药制剂标准,具有省时、省力、结果精确度高的优势。