优化运行理论在泵站综合自动化系统中的应用

利用改进的神经元网络构建了泵站流量以及效率预测模型，并利用改进的遗传算法构建了泵站优化模型。将这两个模型应用到泵站综合自动化系统中，可以完成对泵站流量及效率的准确预测，并在此基础上实现泵站的优化运行。讨论了泵站优化运行理论在泵站综合自动化系统中应用的步骤和方法。     

基于NNARMAX模型的地下水位预报研究

区域地下水系统是一个受多种因素影响的复杂的非线性动态系统 ,应用遗忘因子的递归最小二乘( RLS)算法进行训练 ,采用通过减少网络节点间的连接权值 ,进而裁减冗余节点来选择适宜的网络拓扑结构 ,建立了非线性自回归滑动平均神经网络 ( NNARMAX)模型 ,地下水位预报结果表明 :通过对网络结构的优化达到了自动确定非线性自回归模型阶数和影响因素的选择 ,能有效地表示区域地下水动态系统内部及其外部诸多影响因素间的不确定关系 ,是预测区域地下水动态变化较为有效的方法之一。     

时滞半主动悬架模糊神经网络控制

建立了含时滞半主动悬架数学模型,分析了悬架系统产生时滞的原因,设计了含时滞补偿模糊神经网络自适应控制策略,开发了C8051单片机为内核的半主动悬架控制系统,仿真分析后,在全真半主动悬架试验台上进行了台架试验。结果表明,实施半主动悬架神经网络时滞补偿控制,解决了控制中的“不合拍”问题,较好地协调了车辆舒适性和安全性之间的矛盾。     

CO 2与土壤水分交互作用的番茄光合速率预测模型

为了实现不同土壤水分管理下的CO 2气肥精细控制,建立了番茄作物不同生长阶段的光合速率预测模型。实验设置了4个CO 2浓度与3个土壤水分条件的交互处理,利用无线传感器网络长期实时监测温室内环境信息,采用LI-6400XT型光合速率仪定时采集作物净光合速率信息;并用BP神经网络分别建立了番茄苗期、花期和果期的光合速率预测模型。预测模型的验证结果表明,对于苗期预测模型,预测值与实测值之间的决定系数 R 2为0.925;花期预测模型的决定系数 R 2为0.920,果期预测模型的决定系数 R 2为0.958;番茄各生长期的光合速率预测模型均具有较高的预测精度。在不同土壤水分条件下改变CO 2浓度,得到的CO 2浓度与光合速率预测曲线与实测值相近,可反映实际土壤水分管理下的CO 2浓度最优值,对指导不同土壤水分条件下CO 2气肥的精细调控具有重要意义。     

烯丙孕素片的制备及质量研究

对烯丙孕素片的制备及质量进行研究。以药物的崩解时限和溶出度为主要指标,应用正交设计法对其处方进行优化,制备一种延缓崩解开始时间的烯丙孕素片,以适应不同猪场和环境的湿法饲喂需求。考察烯丙孕素片的外观性状、硬度、片重差异、脆碎度、崩解时限、溶出度、含量测定等,重点对烯丙孕素片的溶出度方法进行了研究。结果表明,烯丙孕素片外观性状、硬度、片重差异、脆碎度、崩解时限、溶出度、含量测定等结果符合要求,含量测定为标示量的90.0%～105.0%。崩解时限和溶出度结果表明,烯丙孕素片在遇水后7～15分钟全部崩解完毕,溶出度大于90%。研究所得烯丙孕素片的崩解时限延长了5～10分钟,且溶出度和含量均达标。由此确定研制的烯丙孕素片处方工艺可行,质量可控,符合拟定的质量标准。     

基于人工神经网络的PV/T热电联供系统性能预测

为研究太阳能PV/T热电联供系统的性能和针对太阳能PV/T系统复杂的能量平衡方程,搭建了太阳能PV/T系统试验台,同时建立了基于改进灰狼优化的BP神经网络(back propagation neural network model based on improved grey wolf algorithm, IGWO-BP)预测模型,在晴朗天气下进行试验,并采用该模型对系统电功率以及蓄热水箱内水温进行预测。结果显示,晴朗日系统的电效率8.7%～12.2%、热效率51.7%;预测结果与BP神经网络预测模型、基于粒子群优化的BP神经网络(back propagation neural network based on particle swarm optimization, PSO-BP)预测模型和卷积神经网络（convolutional neural network, CNN）预测模型预测结果进行比较,结果显示IGWO-BP预测模型电效率预测模型的绝对百分比误差(mean absolute percentage error, MAPE)、决定系数(determination coefficient, R ² )、均方根误差(root mean square error, RMSE)、效率因子(efficient factor, EF)和Pearson相关系数(pearson related coefficient, r )分别为4.5E-05、0.99、0.24、0.99和1.00,在储热罐温度预测中,上述指标分别为8.90E-04、0.98、0.07、0.98、0.99,均优于其他预测模型,IGWO-BP神经网络预测模型具有更好的预测性能。研究结果可为太阳能PV/T热电联供系统性能预测与优化控制提供参考。     

基于关键气象因子的中稻单产动态预报

利用重庆市1986-2009年中稻单产和中稻生育期内旬平均气温、旬降水量、旬日照时数等资料,采用统计分析法建立中稻气象产量动态预报模型,在此基础上预报中稻单产。用5a滑动平均方法分离中稻趋势产量,在分析气象产量与中稻全生育期逐旬气象要素相关性的基础上,以3月中旬平均气温、5月下旬日照时数、7月中旬平均气温、7月中旬降水量、7月中旬日照时数、7月下旬平均气温、7月下旬降水量和8月上旬平均气温等作为关键气象因子,建立中稻气象产量动态预报模型,并应用该模型实现中稻单产动态预报。对1986-2009年的中稻单产做模拟检验,平均准确率在96%以上,95%以上的年份预报准确率超过90%。对2010年的单产进行预报,准确率为91.5%～92.8%,预报准确率较高,基本能满足业务服务的需要。     

基于数据挖掘的贝叶斯算法应用研究

在众多的数据挖掘算法中,贝叶斯算法因为准确性高,运算性能强而得到广泛应用。利用日常生活中的例子深入浅出的阐述了贝叶斯算法的基本原理,并应用SQL Server 2005数据挖掘工具,对2009年收集的农安地力评价的数据进行了分析,同时应用贝叶斯算法对地力等级进行了预测。     

浙江省金衢盆地土系数据库建设

以国家科技基础性工作＂我国土系调查与‘中国土系志’编制＂的研究工作为基础,系统地整理了浙江省金衢盆地（金华盆地和衢州盆地）的土系调查数据及土壤图、地形图、土地利用现状图和行政区划图等图形数据。在ArcGIS和Microsoft Office Access的支持下,建立了金衢盆地土系数据库,实现了区域内土系信息资料的高效有序管理,从而推动研究区现代农业的发展。