多组离合器参与的换挡过程混合建模与仿真

在分析多组离合器参与的自动变速器换挡过程特点的基础上,指出该换挡过程是由连续系统与离散系统组成的混合系统,进而提出基于键合图理论的连续系统和基于有限状态机的离散系统的换挡过程混合建模方法。在Matlab／Simulink和Matlab／Stateflow平台上建立了包含多种状态的东方红1302R型橡胶履带拖拉机液压机械无级变速器的换挡过程仿真模型,仿真结果表明该建模方法能很好地模拟自动变速器换挡过程中离合器的动态行为,并通过仿真分析了其对换挡品质的影响。     

甘肃省森林资源结构特征分析

森林资源连续清查(简称一类清查)是国家级的森林资源监测工作,其成果是国家最权威的林业基础数据。根据2006年甘肃省第六次森林资源连续清查结果,从权属构成、起源构成和乔木林结构特征、竹林及特灌林等方面对甘肃省森林资源结构特征进行了分析。     

高等农林院校数学建模教育研究与实践

结合1994～1998年甘肃农业大学大学生数学协会数学建模讨论班的实践经验,提出了：高等农林院校数学素质教育内容应包括数学基础教育、数学建模教育、数学建模实践3方面;数学建模教育的形式是“讨论班”;数学建模能力巩固、提高的方式是数学建模竞赛;要培养真正合格的素质型建设人才必须在大学期间参加适当的数学建模实践。并指出只有更多的专家、教授、学者参与到数学素质教育中来,使专业与数学教育真正相结合,数学建模教育乃至数学素质教育的口的才能真正实现。     

基于机器视觉的嫁接用苗外观特征自动检测

提出了基于数学模型的幼苗外观特征自动检测方法,检测项目包括生长状态、子叶参数和胚轴参数。首先经过图像预处理提取幼苗二值图,利用行像素统计图确定特征参数基准点位置。然后以标定胚轴最小矩形倾斜度和宽度判定弯曲状态;子叶跨度通过两子叶端点距离确定,子叶展开角通过两子叶底端平展位置拟合线夹角判定;胚轴弯曲度通过胚轴中心线上曲率最大的位置为分界点分别判断两段斜度而求得,胚轴长、轴径结合斜度补偿求得。与手工测量数据对比,轴长、轴径和子叶跨度的相关系数分别为0.935 1、0.899 9和0.903 4,相对误差分别小于7%、5%和7%,绝对误差分别小于4 mm、0.2 mm和6 mm。     

基于TM和ASTER的植被指数建模性能对比

在对TM、ASTER数据进行多种植被指数生成的基础上,结合研究区48个杨树样地的测树因子数据,分别就杨树单位面积蓄积量、杨树平均高和杨树年龄进行了遥感统计建模研究,通过植被指数及其变形式共65个特征对比结果表明,由ASTER数据派生的植被指数中RVI3(0.5)对于上述3个测树因子的估测性能最好,由TM数据导出的植被指数中则是DVI2对上述3个测树因子回归效果最好,从建模性能上分析,ASTER数据生成的植被指数要优于TM数据生成的植被指数。     

基于高分辨率卫星图像的深圳特区市政绿地结构特征分析

基于“Quickbird”卫星遥感数据对深圳特区市级公园及市政道路绿地现状进行判读,并结合实地调查数据进行比较分析。结果表明,判读结果与实地调查数据相符程度较高,尤其是面积相对较大的公园绿地;对于以乔木为主的分车道绿地,由于判读为覆盖面积,与调查面积出现一定差异;深圳市市政公园绿地中乔灌草所占比例最大,其次为乔草和草坪;市政道路绿地与公园绿地相比,乔木、乔草、灌草、灌木类型比例均有所上升,草坪面积大幅减少,乔灌草复合结构依然占绝对优势。     

细胞色素C在生物医学方面的研究进展

综合论述了细胞色素C的研究简史和结构性质,探讨了细胞色素C与细胞线粒体呼吸链、生物进化细胞凋亡的关系,并对细胞色素C的应用前景作了展望。     

草地农业生态系统的自组织特性

根据自组织理论探讨了草地农业生态系统的6个自组织特性，即草地农业生态系统的结构性、有序性、非线性、开放性、非平衡性和涨落性。认为，草地农业生态系统是一个自组织系统；它只有不断地与外界进行物质、能量和信息的交换及系统内部的协同效应，才能产生结构和功能的有序状态；对草地农业生态系统的调控，必须抓住物质和能量输入的控制，特别是要控制系统内部生态的、经济的、技术的因素以及生产劳动因素之是的协同效应。     

不同生境芦苇的营养成分分析

本文分析了分布在不同生境条件下的芦苇的营养成分，结果表明，（１）单位面积地上部生物量以沼泽芦苇为最高，沙丘芦苇次之，过渡带芦苇较低，盐化草甸芦苇最低；碳水化合物总量沙丘芦苇＞沼泽芦苇＞过渡带芦苇＞盐化草甸芦苇；粗蛋白含量由高到低顺序为：盐化草甸芦苇、沙丘芦苇、沼泽芦苇、过渡带芦苇。（２）４种生境芦苇的总氨基酸和游离氨基酸中均含有１８种天然氢基酸，其中１０种必需氨基酸含量因生境条件不同而备有差异。但总氨基酸及结构氨基酸中必需氨基酸含量均在１０％以上。由此得出，４种生境芦苇利用价值由高到低的顺序依次为：沙丘芦苇、沼泽芦苇、过渡带芦苇、盐化草甸芦苇。     

Egg production forecasting: Determining efficient modeling approaches

Several mathematical or statistical and artificial intelligence models were developed to compare egg production forecasts in commercial layers. Initial data for these models were collected from a comparative layer trial on commercial strains conducted at the Poultry Research Farms, Auburn University. Simulated data were produced to represent new scenarios by using means and SD of egg production of the 22 commercial strains. From the simulated data, random examples were generated for neural network training and testing for the weekly egg production prediction from wk 22 to 36. Three neural network architectures-back-propagation-3, Ward-5, and the general regression neural network-were compared for their efficiency to forecast egg production, along with other traditional models. The general regression neural network gave the best-fitting line, which almost overlapped with the commercial egg production data, with an R(2) of 0.71. The general regression neural network-predicted curve was compared with original egg production data, the average curves of white-shelled and brown-shelled strains, linear regression predictions, and the Gompertz nonlinear model. The general regression neural network was superior in all these comparisons and may be the model of choice if the initial overprediction is managed efficiently. In general, neural network models are efficient, are easy to use, require fewer data, and are practical under farm management conditions to forecast egg production.