改进RBF神经网络在我国大豆价格预测中的应用研究

我国大豆价格受国内外多种因素共同影响,具有非线性、随机性和高噪音等特点,采用传统数学模型进行预测,不仅分析难度大,预测误差也很大。RBF神经网络以其优良的逼近性能而被广泛应用于非线性时间序列预测之中。本文提出一种基于遗传算法优化RBF神经网络的我国大豆价格预测模型,该模型为多维输入单维输出的多变量预测模型,模型的初始输入由大豆价格的历史数据和相关影响因素数据组成。采用遗传算法对RBF神经网络输入层节点数、基函数中心、扩展常数和输出层权值进行优化,模型可以从初始输入变量中自主选择最合适的输入变量组合作为模型的输入。采用2009-2014年的大豆价格数据进行预测研究,用2009-2013年的数据作为训练集,2014年的数据作为测试集,改进RBF神经网络通过自主识别和选取中国大豆进口量、中国消费者信心指数和进口大豆到港分销价格3个因素作为相关影响因素的输入。结果表明:模型预测精度较高、泛化能力较强,能够很好捕捉大豆价格变化规律,可为大豆市场价格的准确预报提供参考借鉴。     

基于随机森林算法和气象因子的砀山酥梨始花期预报

准确预报始花期是制定砀山酥梨花期管理措施和赏花活动方案的重要基础。该文利用1983-2018年砀山酥梨始花期的定位观测物候数据和平行观测的气象资料，采用线性趋势法，揭示始花期演变趋势；采用相关分析，筛选影响始花期的关键气象因子，依据不同预报日期构成特征变量集；采用随机森林算法（Random Forest, RF），自3月11日开始预报到3月25日终止预报，每日训练1个预报模型。结果表明，1）1983－2018年始花期呈极显著提早发生趋势，每10a约提前2.750 d（P＜0.001）。2）16个逐日气象预报模型中，共计有200个气象因子与始花期早迟密切相关，相关系数在0.469～0.789之间；各气象预报模型的训练集与测试集的平均正确率（Nd）分别为92.9%和75.5%、平均均方根误差（RMSE）分别为1.693～2.870和2.240～7.237、平均决定系数（R2）分别为0.891和0.701。3）2019年试验预报中，提前15日准确预报出当年始花期。该文研究表明RF在梨树始花期逐日气象预报中有一定业务应用潜力，预报准确率基本满足气象服务需求。     

Cause and Consequence in Maize Planting Dates in Germany

An important part of agricultural adaptation is the timing of crop sowing dates, affecting yields and the level of risk incurred during a particular season. Cold stress is especially relevant in maize, Zea mays L., so that the timing of planting in the spring is a tactical response to short‐term weather, but is also subject to strategic planning with regard to longer‐term climate. Both factors compare the potential implications of cold stress to the additional yield obtainable through earlier planting. New cultivars suited to growing conditions in Europe and generally increasing spring temperatures have enabled earlier planting, but it is still dependent on short‐term weather during the planting period. In the context of field‐level decision‐making, a panel regression is used to estimate the relationship between weekly local temperature and precipitation and planting dates at specific sites throughout Germany. Next, localised weather data and planting behaviour are linked to yields at the district (Landkreis) level to show the effects of planting date on yield. Based on these relationships optimal planting dates are explored with some associated costs and benefits. Results show a trend towards earlier planting that follows observed increasing spring temperatures and the availability of more cold‐tolerant cultivars but this advance is buffered by the increasing severity of minimum temperatures during a critical period. Earlier planting potentially increases yield but this is offset by additional management costs and risk. A robust and simple depiction of farmer behaviour in climatic, technological and economic context can help to understand trends in crop management and productivity that effect agricultural landscapes.     

基于模糊神经网络的智能温室环境控制方案

针对农业温室环境的精确建模和控制问题,提出了一种基于模糊神经网络的智能控制方案。首先,在考虑室内外环境因素下,构建一个有效的温室环境数学模型,获得通风量、喷雾量和加热量的微分表达式;然后,利用一种自适应模糊神经推理系统(ANFIS),以温度和湿度差作为输入,通过神经网络自学习和模糊推理获得控制输出;最后,通过遗传算法优化控制器的输出比例因子,提高控制响应速度和稳定性。实验结果表明:该方案能够快速且稳定地追踪环境设置值,具有很好的控制效果。     

New Approaches to Modeling Methyl Jasmonate Effects on Pomegranate Quality during Postharvest Storage

Adaptive neuro fuzzy inference system (ANFIS) and genetic algorithm–artificial neural network (GA-ANN) models were used to predict the effect of methyl jasmonate (at three levels 0, 0.01, and 0.1 mM) and storage time (0, 14, 28, 42, 56, 70, and 84 days) on quality parameters and physiological changes of pomegranate fruits during storage. Methyl jasmonate reduced chilling injury and improved quality characteristics of pomegranates during postharvest storage. The GA-ANN and ANFIS were fed with two inputs of methyl jasmonate and storage time. The results showed that GA-ANN predictions agreed with experimental data and the GA-ANN with 14 neurons in one hidden layer can predict physiological changes and quality parameters of pomegranate (weight loss, pH, chilling injury index, ion leakage, ethylene, respiration, polyphenols, anthocyanins, and total antioxidant activity) with correlation coefficients equal to 0.87. The ANFIS model was trained by a hybrid method and agreement between experimental data and ANFIS predictions was significant (r = 0.90).     

基于改进萤火虫算法的投影寻踪太湖水质综合评价

针对水质评价中指标的多样性及不相容性,提出了基于改进的萤火虫算法的投影寻踪水质评价方法。该方法根据水质标准等级样本集所划分的标准,构建投影指标函数,并用改进的萤火虫算法进行优化,使搜索步长逐步减小,寻优后期也可具有良好的局部搜索能力,得到最佳投影方向,使综合评价结果能够客观准确地反映出水质状况。运用该方法对太湖的水质数据进行综合评价,并与传统方法综合评分法(F值法)得到的结果进行对比,评价结果更符合当地水质状况实际情况,且对水质等级划分更为清晰。     

不同燕麦基因型源库关系对穗粒数形成过程的影响

为了解燕麦穗粒数形成过程与源、库特征之间的关系，连续两年以10个不同来源、熟期、穗型、株型、小穗数的燕麦品种为试验材料，测定三叶期至拔节期的幼穗分化阶段及抽穗期源库特征，采用方差分析、聚类分析、逐步回归分析等方法，分析不同燕麦基因型源库特征及对穗粒数形成过程的影响。结果表明，燕麦穗粒数形成过程存在基因型差异，幼穗分化较好品种的穗粒数较全部品种平均值高11.22%~65.43%；幼穗分化较好品种的光合势、干物质量、粒数叶比、收获指数显著高于幼穗分化较差品种，其中粒数叶比和收获指数是影响穗粒数形成的主要因素，粒数叶比和收获指数较全部品种平均值分别高0.99%~68.74%和0.85%~13.80%。综上所述，源库协调是燕麦幼穗分化良好的生理基础，可通过提高光合势和干物质量达到增源的目的，进而提高穗粒数。     

基于SVM的CFRW导电性建模预测研究

针对碳纤维增强木质复合材料（CFRW）导电性具有非线性的特点，采用基于支持向量回归机（SVM）的机器学习方法建立碳纤维增强木质复合材料导电性预测模型。结果表明，所建模型的预测精度高、泛化能力强.     

基于广告、技术、奖励的二级供应链效益最大化研究

基于技术进步视角，构建服务业FDI影响产业安全的理论模型，并采用1996-2013年的时序数据和分位数回归方法进行检验。实证结果表明，服务业FDI对技术进步的总效应为正；分位数回归进一步揭示，服务业FDI对技术进步的直接效应为正、间接效应为负，并在技术进步的低中分位点上，服务业FDI的直接效应大于间接效应，而在技术进步的高分位点上，服务业FDI的直接效应小于间接效应。研究证实，在技术进步的初期，服务业FDI会对产业安全发展产生直接的正向推动作用，但随着时间的推移，服务业FDI会威胁其产业安全。     

分块子空间追踪算法

压缩传感理论是一种充分利用信号稀疏性或者可压缩性的全新信号采样理论。该理论表明，通过采集少量的信号测量值就能够实现可稀疏信号的精确重构。本文在研究现有经典重构算法的基础上，提出结合图像分块思想和回溯思想的分块子空间追踪算法（Block Subspace Pursuit, B_SP）用于压缩传感信号的重构。该算法以块结构获取图像，利用回溯过程实现支撑集的自适应筛选，最终实现图像信号的精确重构。实验结果表明，在相同测试条件下，该算法的重构效果无论从主观视觉上还是客观数据上都有不同程度的提高。