Circular Disc Blade Considerations in Soil Force Prediction Modelling

Previous soil-disc force prediction models have considered spherical and concave blades, as used on disc ploughs and harrows, with many simplifying assumptions. This study proposes an approach applying the fundamental equation of earth moving mechanics for calculating the soil passive reaction acting on a rotating fiat disc blade as used on a zero-till single disc seeder. The study considers the effects of disc variable depth of cut, sweep and tilt angles, free rotation and a scrubbing reaction at the beveled edge. This paper outlines the modeling approach and prediction results for a fixed circular blade operating at 90° sweep angle over a range of speeds and at two tilt angles. To account for the varying depth across the circular disc shape width, elemental wide blade force reactions acting on wide blade segments of elemental width were integrated across the disc working width. By including inertia forces due to speed as well as additional bulldozing forces due to the loose soil accumulation in front of the blade the draught and upward vertical forces acting on the vertical disc blade were predicted with a deviation of 6%-19% and 1.5%-14% from measured data, respectively. The model was able to predict the effect of increasing the tilt angle from 0° to 20° on reducing both draught and upward vertical forces. Further development and validation of the model will be described in subsequent papers, reflecting a step by step approach of increasing complexity to model a disc blade as used on a zero-till single disc seeding system.     

组合预测模型在黑龙江省农机总动力预测中的应用

农机总动力是反映和评价农业机械化水平的一个重要指标.通过对黑龙江省农机总动力历史数据进行分析,建立了指数模型、GM（1,1）模型和BP神经网络模型3种预测模型,其次,应用基于离异系数法、二次规划法、Shapley值权重分配法分别构建组合预测模型.拟合结果表明,各种组合预测模型优于各单一模型.最后应用基于Shapley值权重分配法对黑龙江省农机总动力进行组合预测,为制定农机动力发展规划提供了依据.     

关中地区耕地变化驱动因素及预测模型

以关中地区为研究对象,结合该地区1986—2011年耕地面积及人口、经济发展水平、农业现代化水平等资料,分析了耕地数量动态变化情况,探究其变化主导驱动因素,并分别运用多序列灰色关联预测模型、人工神经网络预测模型,对未来关中地区耕地面积进行预测。结果表明,1986—2011年,耕地总面积、人均耕地面积均呈现逐步减少趋势;影响耕地面积变化的主导驱动因素是人口、城市化水平、灌溉面积、粮食单产、农业机械总动力。     

喀斯特石漠化地区耕地压力 动态变化分析与预测

运用MATLAB 软件在计算贵州省2000要2011 年耕地、人口粮食产量动态变化的基础上,分析耕地面 积、人口数量与耕地压力指数的变化特点;并采用DGM（1,1）离散预测模型对贵州省2015要2030 年的耕地压力指数 状况进行预测。结果表明,2000要2011 年间,贵州省耕地总量及人均耕地面积持续减少;人均粮食产量持续增加,人 口净流出加快,使得耕地压力指数波动减少,但耕地压力指数始终保持在1.0 以上粮食供给处于不安全状态 2015要2030 年,耕地压力指数将持续减少,粮食安全形势缓和。增加农业科技投入、农田基本建设和土地整治工作与 加快净流出人口数量,是减轻耕地压力保证粮食安全的根本途径。     

基于模糊神经网络的池塘溶解氧预测模型

在分析了池塘溶解氧影响因素的基础上，利用模糊神经网络良好的非线性逼近能力建立了池塘溶解氧的模糊神经网络预测模型。神经网络模型如采用常规的BP或其它梯度算法，常导致训练时间较长且易陷入局部极小点，本实验采用快速的粒子群优化算法对模糊神经网络进行训练，收敛速度明显加快。实验结果表明采用该方法预报溶解氧的预测精度较常规BP递推算法的预测精度明显提高，所采用的模型能对溶解氧进行可靠的预测，该方法为研制开发智能水质检测仪以及工厂化养殖工作奠定了基础，对实际生产具有一定的指导意义。     

基于近红外光谱法建立核桃仁可溶性蛋白质含量检测模型

【目的】核桃仁中的可溶性蛋白质含量是影响核桃品质的重要指标，比较核桃仁可溶性蛋白质含量不同模型之间的预测性能。【方法】以180份核桃仁样品作为研究对象，采集样品的近红外漫反射光谱。使用6种不同预处理方法对光谱信息进行处理，比较BP神经网络法和支持向量回归(SVR)建立核桃仁蛋白质的预测模型。【结果】2种方法对不同组合的预处理方法所建立模型的决定系数均大于0.81，相比于SVR模型的预测模型性能，MSC+FD+BP神经网络所建的预测模型性能更优，建模集的决定系数R²为0.871，均方根误差为0.089 5,RPD为2.875；验证集的R²为0.825，均方根误差为0.105 9,RPD值为2.233。【结论】BP神经网络算法在特征波段的核桃仁可溶性蛋白质含量预测建模中，模型质量优于SVR算法。MSC+FD+CARS+BP神经网络建模方式更适用核桃仁可溶性蛋白质含量的预测，为使用近红外光谱分析核桃仁质量提供了参考依据。     

集成预测模型预测我国农业自然灾害的探讨

研究采用剩余法建立集成预测模型,即以非线性回归拟合发展趋势、三角函数拟合逼近周期变动和马尔科夫链评估随机扰动的集成预测模型,对我国农业自然灾害受灾面积的变动规律进行模拟.经检验证明,用集成预测模型预测我国自然灾害的方法优于传统的单一数学模型.     

基于生态足迹理论的新疆可持续发展研究

基于生态足迹和生态承载力理论,对2000-2014年新疆人均生态足迹、人均生态承载力、万元GDP生态足迹、生态协调系数的动态变化进行分析,运用灰色GM(1,1)预测模型预测新疆2020年、2025年人均生态足迹、人均生态承载力、万元GDP生态足迹。结果显示:2000-2014年新疆人均生态足迹呈逐年上升趋势,从2000年的1.699 3hm~2上升到2014年的4.100 5 hm~2,年均增幅为5.86%。新疆人均生态承载力基本保持在1.400 3~1.585 2 hm~2,且有逐年缓慢减小的趋势。人均生态足迹快速增长,人均生态承载力缓慢减小,造成生态赤字逐年扩大,人均赤字额由2000年的0.232 9 hm~2扩大到2014年的2.700 2 hm~2,赤字率由2000年的15.88%上升到2014年的192.82%。资源利用效益水平不断提高,生态协调度不断下降。预测结果表明:2020年新疆人均生态足迹将上升到6.496 4 hm~2,2025年将达到9.586 4 hm~2。2020年人均可利用生态承载力预计下降到1.294 7 hm~2,2025年为1.212 5 hm~2。万元GDP生态足迹2020年下降到0.649 9 hm~2,2025年预计为0.478 0 hm~2。基于此,提出降低化石能源消费比例,控制人口增长,提高土地产出效率是缓解新疆生态赤字的有效途径。     

关于赤峰地区粘虫发生长期预测研究

粘虫发生年度间差异很大，因此对它多年发展变化趋势进行研究，建立预测模型ＧＭ（１．１），经实际检验结果准确。     

灰色预测模型GM（1,1）在森林病虫害预测中的应用

本文应用灰色系统理论,论述了森林病虫害灾变预测的建模方法,并建立了大袋蛾的GM(1,1)灰色预测模型,经检验模型精度较高,利用该模型对未来10年内大袋蛾的灾变时间进行了预测。