清水河上游张家口站汛前枯季来水量预测模型

利用清水河上游张家口水文站多年汛前枯季实测径流和流域面平均雨量系列资料,分析了二者之间存在的内在关系,得出了相关模型和有关参数,从而为清水河橡胶坝群调蓄和水利工程建设提供理论依据和参考资料。     

温度因子对春季马尾松毛虫灾害发生的影响

选取广西兴安县2005~2015年春季马尾松毛虫(Dendrolimus punctata)发生情况进行研究,研究温度与春季马尾松毛虫轻、中、重度发生面积发生关系。以2004—2015年的每月的温度因子为自变量,用逐步回归的方法筛选出与兴安县春季马尾松毛虫轻、中、重度发生面积相关的重要因子,并进行相关性分析,建立回归预测模型。预测结果准确率分别高达81.036%、99.991%、58.658%,其中,中度平均准确率近100%。     

尾管固井中胶塞复合压力预测模型研究

针对尾管固井中胶塞复合压力缺乏理论支撑的问题,基于胶塞复合时管柱内流体压力分布,建立了尾管固井中胶塞复合压力预测模型,为实现在尾管固井施工前预测胶塞复合压力提供依据。分析了在"U"型管效应结束与"U"型管效应未结束2种状态下管柱内流体压力分布情况,用Landmark软件中Wellplan-Opticem软件模拟计算胶塞复合时井口压力数值,用摩阻压耗计算程序计算钻具内流体摩阻压耗,并结合尾管胶塞剪钉的实际剪切数值,分别建立了2种状态下的胶塞复合压力的计算公式。利用建立的胶塞复合压力预测模型对国内某油田5口尾管固井进行了理论预测值与实际监测值的对比,模型预测值的误差在10%以内,模型精度满足工程要求。     

基于HHT变换的PSO-LSSVM耦合模型估算气象资料短缺地区ET_0

为准确估算气象资料短缺地区参考作物腾发量,构建了一种基于HHT变换的PSO-LSSVM耦合模型,并利用新疆和田气象站2000—2009年单日数据做训练、双日数据做验证。结果表明,该模型估算ET0方法明显优于常规的PSO-LSSVM和GRNN,预测精度较二者分别提高了15.7%~85.6%和15.8%~93.7%;该方法预测ET0的气象要素重要性为RsTmaxTminRHWn,利用该方法对气象要素组合为Tmax/Tmin/RH/Wn、Tmax/RH/Wn、Tmin/Wn、Wn条件下的ET0预测,MSE分别为0.407、0.185、0.149、0.135,说明该方法可以很好地估算资料缺失地区ET0。     

基于神经网络红枣红外辐射干燥预测模型建立

针对红枣红外辐射干燥含水率的变化具有非线性和时变性、很难利用现有的模型构造一个数学模型来描述其变化规律的问题,利用Mat Lab神经网络工具箱和红枣红外辐射干燥特性试验数据建立了神经网络预测模型。通过对实测值和模型预测值进行分析研究,得出利用BP神经网络可以较快速、准确地建立模型来描述含水率的变化规律,且模型的预测值与试验测试值误差较小,能很好地实现在线预测的效果。     

草莓果振动损伤的预测模型

利用自制的振动试验台模拟运输环境，对草莓果实机械损伤进行较系统的研究。通过多因素组合试验，摸清了振动强度、包装材料、包装方式及成熟度对果实损伤的影响规律；通过非线性回归分析，建立了果实振动损伤的数学模型，其理论值与实测值具有很好的一致性；通过验证试验，探讨了利用修正回归模型预测草莓果实在相同条件下实际运输损伤值的可行性。     

预测鱼塘指晓溶氧浓度的新模式

根据对鱼塘养鱼水体生态环境因子的现场实验，分析了鱼塘溶氧浓度的变化规律，提出了预测鱼塘指晓溶氧浓度的新模式，并通过实例分析，证明了新模式的准确性。     

内江猪生长曲线拟合及体重预测模型构建

为研究内江猪生长发育规律,本研究测定了346头内江猪的体重,并使用Logistic、Gompertz和Von Bertalanffy这3种非线性生长曲线模型对其进行生长曲线拟合,使用最佳的生长曲线模型计算相对生长量(R)和绝对生长量(G)。对114头内江猪的体重和体尺进行相关性分析,进一步构建体重预测模型。结果表明：Gompertz模型对内江猪体重具有最佳的拟合效果,该模型估计的拐点日龄为156.74 d,拐点体重为64.41 kg。通过对内江猪生长发育规律分析,发现内江猪在180日龄时生长速度达到最大,之后随日龄的增加逐渐下降,体重与体尺性状间呈正相关关系。雌性内江猪的最佳体重预测模型为：BW=20.1+0.644BH+0.304BL+0.472CC,R²=0.645;雄性内江猪的最佳体重预测模型为：BW=2.7+0.884BH+0.477BL+0.260CC,R²=0.777。内江猪体重拟合效果最好的模型是Gompertz模型。以上结果可为内江猪饲养管理和生长发育的相关研究提供一定的理论基础。     

城市工业用水量的灰色马尔可夫预测模型

灰色GM(1,1)是预测城市工业用水量的模型,这种模型不适合长期的、随机和波动性较大的数据序列预测,但是马尔可夫模型适合描述随机波动性较大的预测问题.可以将这两种模型结合,构建灰色马尔可夫预测模型.按特定的状态划分方法,先用灰色GM(1,1)预测模型进行预测,再用马尔可夫模型预测结果进行优化,使预测精度大大提高.最后以抚顺市为例,预测结果证明了该模型的优势.     

基于最小二乘支持向量机模型预测田面糙率

田面糙率是影响地面灌溉质量的重要参数。基于最小二乘支持向量机建立了两类4个田面糙率预测模型,并进行了验证。结果表明第一类模型预测值(即作物地采用LSSVM-N-I3、裸地采用LSSVM-N-I1,翻耕地采用LSSVM-N-I2)相对误差最大值为9.7%;第二类模型预测值(即LSSVM-N-II模型)相对误差最大值为10.5%,由此可见两类模型都具有较高的预测精度,可以用于田面糙率的预测。