基于BP神经网络的人机联合率定SWMM研究

为解决雨洪管理模型(SWMM)在率定过程中参数复杂、过程繁琐等问题。以西宁市某地块为例建立SWMM模型,利用Morris筛选法进行参数灵敏度分析,并根据灵敏度分析的结果进行人工率定;另外利用BP神经网络对模型进行率定,并结合参数灵敏度对其进行优化。对3种率定方案进行分析,结果表明:水文水力模块参数的相对灵敏度基本一致,其中灵敏度较大的参数为子汇水区面积(Area)、不透水率(Imperv)和不透水区洼地蓄积量(Destore-Imperv),并且不同降雨条件下模型参数的灵敏度存在差异。经过优化后的BP神经网络参数率定方法的模型模拟效果最好,纳什系数最大。结合灵敏度优化BP神经网络的人机联合率定方法一方面能提高BP神经网络率定的准确性,另一方面又能提高传统人工率定的效率。     

气候变化情景下流苏香竹潜在分布区预测

流苏香竹（Chimonocalamus fimbriatus）是云南特有珍稀竹种，主要分布于云南西南部。文章以野外调查获取的流苏香竹分布信息为主，运用最大熵模型（MaxEnt）同时结合地理信息系统（ArcGIS），基于19个气候因子，预测其在当前及未来气候变化情景下的潜在分布区。结果表明：当前流苏香竹的高适生区和中适生区主要分布于德宏州、保山市和临沧市等地，除迪庆州、丽江市和昭通市外，云南其他区域均有低适生区零星分布。在未来2050s和2070s的2个时间段，基于2种不同共享社会经济路径（SSP1-2.6和SSP5-8.5），流苏香竹的高适生区面积呈减少的趋势，尤其是SSP5-8.5路径下，高适生区面积仅为当前的12.51%（2050s）和18.63%（2070s）；中、低适生区在SSP1-2.6路径下，显著扩张（2050s）或略微扩张（2070s），在SSP5-8.5路径下，则大幅收缩。流苏香竹野外实际分布区及其潜在分布区均以斑块状为主，可能与云南特殊的地形、地貌有关。影响流苏香竹分布的主导气候因子为最湿月份降水量、最暖月份最高温度、最干季度降水量和平均气温日较差。流苏香竹对气候变化比较敏感，根据其野外分布状况，建议以就地保护为主、迁地保护为辅，在其潜在适生区内适当引种栽培。     

数值模型结构不确定性对模拟结果的影响分析

以内蒙古鄂托克旗为例,基于GMS中的MODFLOW模块构建了地下水流数值模拟模型,分析了模型结构(含水层厚度、参数分区)与模型参数不确定性因素对模拟结果的影响.研究结果表明:含水层不确定情景(含水层下边界概化为隔水底板平均值870 m)与实际情况水头差值绝对值的累计和最大为701 m,对模拟结果起了主控作用;当含水层下边界概化为910,940 m时,累计和分别增加为1 013,1 593 m;与仅考虑单个不确定性因素相比,同时考虑模型参数与含水层不确定情景累计和最大为738 m,同时考虑参数分区与含水层不确定情景累计和最大为791 m.因此,在构建地下水流数值模拟模型时,应优先考虑含水层空间结构概化的合理程度,同时考虑多个不确定性因素对模拟结果的综合影响,使地下水数值模拟模型能更精确地反映真实的地下水流状况.     

基于MOA模型的社区居民参与反恐程度及影响因素研究——以新疆乌鲁木齐市为例

基于对乌鲁木齐市典型社区的实地调研,借用公民参与阶梯理论和三维空间分析法,分析社区反恐居民参与度情况,建立MOA模型,对影响居民参与社区反恐的影响因素作出假设,并运用结构方程模型对假设进行分析与验证。结果表明,参与动机、参与能力与参与机会均对社区反恐居民参与度具有显著的正向影响,其中参与动机在社区反恐居民参与的MOA模型中处于重要地位,社区反恐居民参与机会和能力还间接通过参与动机来对居民的参与度产生影响,社区反恐居民参与的动机也间接影响居民参与度。可以通过宣传培训、物质支持提升社区居民的参与能力;落实奖励政策和保障机制引导居民主动参与,提高积极性;拓宽社区居民参与社区反恐的渠道,创造丰富的参与机会等提高社区反恐居民的参与度,以群众为基础力量,打好反恐维稳攻坚战。     

王正非林火蔓延模型改进研究

王正非林火蔓延模型是目前国内比较先进的森林火灾蔓延模型,但是由于林火行为的复杂性,此模型在准确率和普适性方面仍存在许多不足。本文结合已有的成果进一步改进王正非模型,增加了可燃物湿度对林火蔓延速度的影响,改进了林火初始速度的计算方式。针对各种坡度对林火蔓延行为的影响给出了一个计算公式。与改进前相比,改进后的模型使其对林火蔓延情况的预估更为精准。     

基于CNN的冰糖橙分级系统

为了提高冰糖橙的产业竞争力和效益,在售前对其进行分级是一道重要的工序。针对传统的冰糖橙表面缺陷分级方法存在工作繁琐且受人为因素干扰大的问题,本研究设计了一种将卷积神经网络(Convolutional Neural Networks,CNN)算法与虚拟仪器技术相结合的冰糖橙表面缺陷智能分级系统,并基于LabVIEW2018平台设计开发了一套冰糖橙分级系统。通过实验验证,该系统识别率达96.67%,验证了该分级方法和分级系统的有效性和可行性。     

基于EM38-MK2的南疆干旱区表观电导率反演土壤水分研究

土壤水分含量是农田进行定额灌溉的基本参数,南疆地处干旱区,土壤水资源稀缺,实现田间定额灌溉更利于充分利用土壤水分。EM38-MK2快速和高效获取土壤水分含量数据,适时监测土壤水分含量,可成为农田精准灌溉的重要途径。用EM38-MK2测定轻度、中度和重度3个不同程度盐渍化区域土壤0～0.75 m和0～1.5 m的表观电导率,结合同步采集的0～20 cm、20～40 cm、40～60 cm、60～80 cm和80～100 cm土壤剖面剖面及室内测定含水量数据,对比三个不同盐渍化程度表观电导率反演土壤含水率模型精度,比较分区模型和全区模型的反演精度,分析土壤盐分含量对反演土壤含水率精度的影响。结果表明,用EM38-MK2对土壤含水率反演效果在轻度盐渍化表现最好,中度盐渍化次之,重度盐渍化较差。不同深度土层的分区模型精度均高于全区模型精度,分区模型R~2为0.73～0.88,RMSE低于全区模型,全区模型各层的RPD均低于1.5,不具备预测能力。土壤盐分含量对土壤水分的反演有影响,并且随土壤盐分含量的增加,反演精度下降。     

不同植被下黏质红壤水分特征曲线研究

为分析不同植被下黏质红壤的持水、释水及孔隙特性,用离心机法测定了鄂南一个典型红壤坡地的8种植被地块(3种树龄的杉树、茶树、红叶石楠、无患子、油菜、桂花树)4个深度(20、40、60、90 cm)的土壤水分特征曲线,进而计算了土壤不同孔隙度,用Van Genuchten模型(VG模型)拟合水分特征曲线数据,同时获得土壤比水容量曲线。结果表明:①VG模型能够较好地拟合黏质红壤的水分特征曲线,决定系数R~2在0.981 4～0.999 4之间;②土壤持水能力的变化主要出现在低于500 kPa的土壤水吸力范围内,土壤释水过程大多发生在低吸力范围内(0～500 kPa)。试验坡地的土壤总孔隙度是40.4%～47.0%,其中毛管孔隙度约为39.2%,而有效孔隙度仅为15.0%左右,因此土壤水分有效性整体较差;③持水能力最好的是茶树、大杉树和小杉树3个地块,多数地块的表层土壤较深层土壤有更好的排水能力,但深层土壤的持水能力强于表层土壤。研究坡地的土壤虽然属于同一种类型土壤,但不同植被、不同深度的土壤持水能力、释水特性及水分有效性存在一定差异,在分析红壤坡地水分动态分布规律时应考虑在内。     

基于快速卷积神经网络的果园果实检测试验研究

近年来,基于数字图像处理和机器学习算法的果实自动识别检测研究已经越来越成熟。针对传统检测方法检测过程中难以满足实时性要求的缺点,采用了基于Faster-RCNN的果实快速检测模型。模型由卷积神经网络(CNN)和区域提议网络(RPN)组成,首先由CNN进行卷积和池化操作提取特征,然后由RPN选取候选区域,通过网络全连接层参数共享,由目标识别分类器和边界框预测回归器得到多个可能包含目标的预测框,最后通过非极大值抑制挑选出精度最高的预测框完成目标检测。分别对桃子、苹果和橙子的三种果实进行检测,采用迁移学习方法,使用已经预训练好的两种深度神经网络模型ZFnet和VGG16,通过数据集的训练对Dropout及候选区域数量进行参数调整完成网络调优。检测并分析果实不同布局形态下模型的检测效果。试验结果表明,当Dropout取值为0.5或0.6,候选区域数量为300时网络模型最佳,ZFnet网络中,苹果平均精确度为92.70%,桃子为90.00%,而橙子为89.72%。VGG16网络中,苹果平均精度为94.17%,桃子为91.46%,橙子为90.22%。且ZFnet和VGG16的图像处理速度分别达到17 fps和7 fps,能够达到果实实时检测的目的。