校园网络舆情视域下高职院校学生党员教育管理体系构建研究

高职院校学生党员思想培养是校园党务工作者的重要任务。随着互联网的快速发展,高职院校学生党员成为网络阵地的新生力量。新媒体下网络舆情因其自由性、隐秘性、多样性等特点,因此党务工作也应与时俱进,重视校园网络舆情,构建合理的管理体系,进而强化对学生党员的教育管理工作。     

浅谈给水排水工程节能节水措施

作者针对给排水系统工程特点并依据多年设计实践,总结了几点节能节水措施;阐明了通过减少不必要的浪费,可以达到节约水资源、节约能源的目的。     

基于读者信息行为规律的信息服务管理策略

论述了网络环境下,高校图书馆读者信息行为规律的变化及共性特征,并进行了实证分析研究。在此基础上,提出了图书馆多样化、多元化、个性化和一站式的信息服务管理策略。     

基于生理发育时间的水稻发育期预测方法

水稻发育期模型研究是开展现代农业气象服务工作的基础。基于作物生理发育时间守恒原理,综合考虑温度和日长因子对水稻发育期的影响,利用云南省12个农气观测站2011—2014年水稻发育期观测和地面气象观测资料,分别构建并验证了适用于籼稻种植区和粳稻种植区的发育期预报模型。结果表明,2套模型在全发育期和各发育阶段的预报值与观测值模拟效果总体较好,平均全发育期RMSE值为7.47,RE值为7.99%,粳稻模型和籼稻模型的RE值分别为6.49%和9.5%,粳稻区模拟效果优于籼稻区。模型生物学意义明确、参数通用性强,适用于农业气象业务服务中水稻发育期预测,具有推广应用价值。     

贵州省农村信息化服务现状实证分析与发展对策

[目的]为深入了解贵州省农村信息化服务现状,以期更科学地探索与设计贵州省农村信息化服务模式,为广大农民提供优质的信息服务.[方法]对贵州省所有地州市典型县份、典型乡（镇）和行政村的农户以进村入户、现场调查、走访、座谈和发放问卷等方式进行实地调查和数据采集,并利用SPSS 19.0统计分析软件对数据进行分析处理.[结果]贵州省农村信息化服务基础设施建设成效显著、信息传播渠道呈立体化发展、信息服务内容丰富.但也存在基础设施运行效率不高、信息传播渠道不够畅通、信息资源质量不高、信息支付意愿不强等问题.[建议]应加大基础设施建设力度、提高基础设施利用率,整合各种信息传播途径、畅通信息服务渠道,加大信息资源建设力度、提高信息内容质量,加强教育力度、提高信息意识,以推动贵州省农村信息化服务快速发展.     

甘肃省农村信息化发展水平探讨

农村信息化是社会主义新农村建设的重要内容,是解决"三农"问题的突破口。对于欠发达的甘肃农村经济,近年来虽然取得很大进步,但总体水平还不高,与发达地区的差距还很明显。在客观数据的基础上,基于因子分析方法建立了综合评价农村信息化水平的模型,直观的比较了各省市的农村信息化水平,认为信息资源的利用情况和信息基础设施建设的差异是评价农村信息化水平的决定因素,提高农村信息化水平必须从这两方面着手,切实可行的推进甘肃农村信息化的发展。     

信息化、社会网络与农户农资购买渠道选择——基于公司直销与农资零售店的比较

农户购买农资时面临多样化的购买渠道,而信息化与社会网络是影响农户农资购买渠道选择的重要因素。本文利用陕西、甘肃、山东和云南四省农户调研数据,比较了公司直销与农资零售店两种购买渠道的差异,运用二元 Logit 模型和中介效应模型,分析信息化与社会网络对农户农资购买渠道选择的影响。结果表明,农户选择公司直销与农资零售店的比例分别为10.1%和89.9%,即大多数农户选择农资零售店购买农资。信息利用对农户选择公司直销渠道具有显著正向影响;从亲戚和朋友两个维度测量社会网络,发现宗族型社会网络对农户选择公司直销渠道产生了正向影响,朋友圈型社会网络影响不显著;农户农资市场信息认知在信息利用促进农户选择公司直销渠道中发挥部分中介效应。因此,政府应加强农村信息基础设施建设,培养农户信息利用能力。公共信息供给过程中扩大宣传对象群体,促使信息在农户社会网络中有效扩散传播。建设农资企业与农户间有效的信息交流平台,打破信息壁垒,从而帮助农户改进农资购买决策。     

基于SDAE-BP的联合收割机作业故障监测

为了解决联合收割机作业故障的非线性特征信号难以提取的问题,该研究提出了一种基于堆叠去噪自动编码器(Stack Denoising Auto Encoder, SDAE)和BP神经网络(Back Propagation,BP)融合的联合收割机作业故障监测及诊断的方法(SDAE-BP)。以转速传感器采集联合收割机脱粒滚筒转速、籽粒搅龙转速、喂入搅龙转速、杂余搅龙转速、风机转速、输送链耙转速、割刀频率以及逐稿器振动频率,并将采集的数据集作为系统的输入。利用SDAE提取输入信号的深层次特征,并由BP神经网络辨识收割机作业状态,实现联合收割机故障监测。在SDAE-BP模型训练过程中,去噪自动编码器(Denoising Auto Encode, DAE)依次经带有不同分布中心噪声的原始数据进行训练,然后将其堆叠,并通过误差反向传播算法对模型参数进行优化,以提升模型识别故障性能和泛化能力。试验结果表明,对于2018年联合收割机田间试验数据,模型的故障诊断准确率达到99.00%,与SDAE和BP神经网络相比,分别提高了1.5和4.5个百分点。将SDAE-BP故障诊断模型用2019年的试验数据进行更新,并用2018年和2019年试验数据进行测试,结果表明,更新后的模型对2018年试验数据的故障识别准确率为99.25%,对2019年试验数据的故障识别准确率为98.74%,更新后模型在2019试验数据集上的故障识别准确率较未更新模型提高了6.52个百分点。该文所建模型能够准确识别联合收割机的故障类型,且具有较好的鲁棒性,对旋转型机械故障监测及预警具有参考价值。     

基于级联卷积神经网络的番茄花期识别检测方法

对作物花期状态的准确识别是温室作物执行授粉的前提。为提高花期状态识别的准确度，该研究以温室番茄为例提出了一种基于级联卷积神经网络的番茄花朵花期识别方法。首先采用改进的端到端的特征金字塔网络FS-FPN实现番茄花束的分割，然后采用Prim最小生成树对分割后的花束图片进行花期识别优先级排序，最后将已排序的分割花束图片输入改进的Yolov3网络，实现番茄花朵花期状态的精准识别。在由1600幅包含花蕾期、全开期、谢花期、初果期4类花期状态的番茄花束图像构成的数据集上，所提方法对番茄花朵花期平均检测时间为12.54 ms，平均检测精度分别比Mask R-CNN和SPP-Net提高了3.67%和2.39%，识别错误率比改进前的Yolov3网络降低了1.25%。最终将该方法部署到番茄授粉机器人上，并在大型玻璃温室内进行验证，结果表明，所提方法对番茄花朵各花期的检测精度分别为花蕾期85.71%、全开期95.46%、谢花期62.66%、初果期88.34%，该研究结果可为智能授粉机器人的精准作业提供重要依据。     

基于多能互补的光伏木耳大棚智慧控制系统设计

【目的】针对光伏木耳大棚的智能化管理和现代设施农业资源高效利用问题,设计光伏农业大棚供能系统和改造传统大棚控制方式。【方法】设计一种以光伏发电为主的光、水、热、储微能源网络和物联网智慧控制系统,建立数学模型分析能源需求和供应,同时利用控制系统为木耳生产、管理提供远程客户端服务。【结果】微能源网络系统中,光伏发电量为13 654 (kW·h)/a,占年总发电量的92%,直接用于需求侧负荷;水轮机发电量为1 108 (kW·h)/a,占年总发电量的8%,用于无光环境下的系统补能;盈余电能为5 109 (kW·h)/a,占年总发电量的34.6%,用于相变储热和蓄电池储能,或者送入配电网。控制系统采集点温度正常值设置为20～25℃,预警值设置为15～32℃,采集点空气相对湿度正常值设置为90%～95%,预警值设置为80%～98%,测试过程中通风系统、供热装置和报警系统正常工作。【结论】通过不同状态下微能源网络系统的功率调配,能够提高光伏大棚能源利用率,同时自动调控大棚环境参数,满足了木耳大棚远程遥控和预警要求。