基于改进极限学习机的水体溶解氧预测方法

为了有效地指导水产养殖生产，提高溶解氧浓度预测的精度，提出了基于因子筛选和改进极限学习机（Extreme Learning Machine，ELM）的水产养殖溶解氧预测模型。首先，利用皮尔森相关系数法计算各影响因子与溶解氧浓度间的相关系数，提取强关联因子，降低预测模型的输入量维度；采用偏最小二乘算法（Partial Least Square, PLS）优化传统ELM神经网络，避免网络中隐含层共线性问题，保障输出权值的稳定性；然后，结合新型激活函数，构建水体溶解氧浓度预测模型。最后，将SPLS-ELM（Selection Based Partial Least Square Optimized Extreme Learning Machine）预测模型应用到江苏省无锡市南泉基地某试验池塘的水体溶解氧预测中。试验结果表明：该模型的预测均方根误差为0.3232，与最小二乘支持向量机（Least Square Support Vector Machine，LSSVM）、BP神经网络、粒子群（Particle Swarm Optimization，PSO）优化LSSVM和遗传算法（Genetic Algorithm, GA）优化BP神经网络相比分别降低40.98%、44.48%、34.73%和44.18%。且该模型的运行时间仅0.6231s，预测精度和运行效率明显优于其他模型。该模型的溶解氧预测曲线接近真实溶解氧变化曲线，能够满足水产养殖实际生产对水体溶解氧预测的要求。     

北京松山自然保护区主要树种冠幅预测模型研究

冠幅作为林业研究的关键因子，开展冠幅的研究对于精准林业发展具有重要意义。为了更好地利用冠幅对树木其他因子进行预测，选取了北京市松山自然保护区油松、白蜡、蒙古栎等14个常见树种作为研究对象，基于6种回归方程，借助样地实测数据分别建立每个树种的胸径 冠幅和树高 冠幅模型，并针对每个树种筛选出的最优方程进行了精度检验。结果表明，研建的14个树种的模型具有较好的拟合精度，决定系数R2绝大多数都大于0.5，其中，核桃的胸径 冠幅模型最高，R2=0.951，树高-冠幅模型R2=0.887，蒙古栎树高-冠幅模型最低，R2=0.506，也超过了0.5。所建模型的精度评价指标具有一定的统计学意义，对北京市松山地区大面积林分参数的预测预估有重要的参考价值。     

Analysis on Target Genes with Mutation in microRNA of Blue-shelled Chicken and White Leghorn

The study was conducted to explore the potential different characters between Blue-shelled chicken and White leghorn.Global genome microRNA was combined the identified microRNA with complementary lab-predicted microRNA.Then the two breed chicken's SNP data got by GGRS were mapped to the microRNA and focused on SNP that deliberately located in mature-microRNA.Bioinformatics method was adopted for target prediction on microRNA which had SNPs.By further gene enrichment analysis,the study found these genes enriched in 22 GO terms,10 KEGG pathways,and 3 IPA important networks.And they enriched in traits which associated with growth,such as mTOR signaling pathways,Wnt signaling pathways,growth hormone receptor networks and insulin-like growth factor Ⅰ receptor networks.And they also enriched in some laying traits,such as oocyte meiotic signaling pathways and progesterone mature oocytes signaling pathways.The methods and the results might provide references for further studies.     

基于CA-Markov模型的甘州区土地利用变化预测分析

研究以张掖市甘州区为例,以黑河流域2000年和张掖市2007年土地利用/土地覆盖(LUCC)数据集的矢量数据、2014年Landsat 8 OLI_TIRS 8月份遥感影像和Google Earth影像为数据源,以Arc GIS10.1、ENVI 4.8和IDRISI 17.00为计算平台,利用CA-Markov模型对2014年土地利用变化进行模拟和预测,并将预测结果与2014年甘州区LUCC解译数据作对比分析,其Kappa系数为87.87%,表明预测与现实一致性较佳。最后对2021年甘州区土地利用分类进行模拟和预测。从预测结果可以看出:2000—2021年间甘州区耕地面积和建设用地面积呈现较快的增长趋势,未利用地面积呈现较快的减少趋势;林地和水域呈现缓慢地增长趋势;草地面积变化较小。简要分析了其变化原因主要归因于政策、社会经济、人口和科学技术几方面。对2021年甘州区土地利用变化的预测研究结果可为该区土地利用合理规划管理及经济发展政策的制定提供科学的决策依据。     

Simulation of future dissolved oxygen distribution in pond culture based on sliding window-temporal convolutional network and trend surface analysis

Dissolved oxygen (DO) is a key ecological factor to measure the quality of water in the aquaculture. As the pond water body is affected by the breeding environment, the spatial distribution of DO shows a certain law in the entire pond. Therefore, to simulate the distribution of DO in aquaculture waters and grasp the temporal and spatial variation of DO is the key to achieving precise regulation of DO. For this purpose, this paper proposed a method for simulating the temporal and spatial distribution of DO in pond culture based on a sliding window-temporal convolutional network together with trend surface analysis (SW-TCN-TSA). This paper first utilized SW to construct DO data sets with different prediction durations, and then used the improved TCN model to realize one-dimensional time series prediction for DO at single monitoring point. Based on the prediction results of DO, a TSA method was performed on the predicted values of DO at the extreme moments of all discrete monitoring points, so as to realize the simulation of the temporal and spatial distribution of DO in the pond. Experimental results show that the SW-TCN model has better prediction performance for one-dimensional time series prediction of DO. Compared with traditional deep networks, such as CNN, GRU, LSTM, CNN-GRU and CNN-LSTM, the values of evaluation indicators (MSE, MAE and RMSE) have been greatly improved. In the process of trend surface fitting, all fitting R² of DO at different water depths are higher than 0.9, indicating that the TSA can accurately reflect the temporal and spatial distribution of DO. This method can provide a basis for the prediction and early warning of DO in the three-dimensional space of the pond and has high practicability in aquaculture.     

基于光声光谱和TCA迁移学习的稻种活力检测

种子活力是决定水稻产量的最重要因素之一，但目前水稻种子活力的近红外和高光谱等无损检测方法易受种子表皮颜色影响，且所建模型难以适应新品种。该研究提出基于光声光谱技术的稻种活力无损检测方法并结合迁移学习进行新品种稻种活力检测。首先，对Y两优、龙粳、南粳、宁粳、武运粳、新两优等具有区域代表性的典型6种水稻品种，进行高温高湿人工老化处理，得到0~7 d老化时间的水稻种子；再通过调制频率获得8种不同深度的光声光谱信息，用主成分分析、竞争性自适应重加权算法对光谱降维得到特征光谱后，对Y两优、龙粳、南粳、宁粳、武运粳分别建立偏最小二乘回归（Partial Least Squares Regression，PLSR）、反向传播神经网络（Back Propagation Neural Network，BP）、广义回归神经网络（Generalized Regression Neural Network，GRNN）、支持向量回归模型（Support Vector Regression，SVR）、深度卷积神经网络（Convolutional Netural Network，CNN）的稻种活力预测模型，并选择最优调制频率；最后，通过迁移学习将建立的模型迁移到新两优稻种进行活力预测。结果表明，光声光谱最佳扫描频率为300 Hz，CNN预测模型精度较高，相关系数和均方根误差分别优于0.990 9、低于0.967 5；且经过迁移学习，仅需通过对源域数据的训练，即可直接对新品种稻种的活力进行精确预测；通过TCA迁移学习后，新两优稻种活力预测的相关系数从0.718 5提高到0.990 3。研究表明，采用光声光谱深度扫描技术对不同种类稻种的活力进行高精度检测是可行的，且经过迁移学习，仅需80粒新品种稻种信息即可实现稻种活力的精确预测。     

转轮下环间隙对混流式水轮机内部流动特性的影响

水轮机转轮间隙内的泄漏涡、泄漏流等复杂的湍流易影响水轮机的性能与稳定性。为了分析下环间隙对混流式水轮机能量特性和内部流态的影响,该文基于N-S方程和SST湍流模型,考虑了0.6 Qd(Qd为设计流量工况)、0.8 Qd、Qd、1.2 Qd共4种流量工况,对5种下环间隙下的混流式水轮机模型机进行三维全流道数值计算。通过对比不同下环间隙方案对混流式水轮机效率与容积损失的影响,结合不同水轮机内部流场特征,分析下环间隙与水轮机性能的关系。计算结果表明:下环间隙由0.4 mm增大到1.3 mm,机组泄漏量增大,水轮机效率整体呈下降趋势。其中,当机组在小流量0.6 Qd工况运行时,间隙对水轮机能量特性影响最为明显,效率下降了4.1个百分点。当机组在小流量0.6 Qd与0.8 Qd工况运行时,下环间隙增大,间隙内部流场与尾水管内部流场呈现小幅度恶化;当机组在大流量1.2 Qd工况运行时,下环间隙增大,转轮叶片吸力面压力分布以及尾水管内部流场均得到改善。该研究可为混流式水轮机结构设计提供有效参考。     

麻山药种植田沙壤土流动性离散元模型颗粒放尺效应

为简化麻山药-沙壤土复合体离散元模型，提高离散单元法在农业领域中的计算效率，以沙壤土为研究对象，在EDEM离散元软件中构建非球形颗粒，进行双目标参数标定试验，采用放大颗粒粒径方法，利用转鼓、坍塌与FT4流变仿真试验，从颗粒群动态堆积角、流动质量、流动速率以及能量等方面探究了颗粒放尺效应对颗粒群物理特性的影响。试验结果表明：干燥处理后的2 mm粒径沙壤土基质静态堆积角和动态堆积角平均值分别为32.16°和35.02°；与独立标定试验相比，双目标标定试验获得的仿真参数更具准确性与唯一性；在动态堆积角试验中，真实沙壤土颗粒在转鼓中所形成的动态堆积角随粒径和旋转速度的增大而减小，而在仿真试验中，转鼓转速相同情况下，非球形颗粒群在增大粒径的情况下所产生的动态休止角差异较小；坍塌试验中，不同粒径颗粒群在流动过程中的流动质量与平均流速变化趋势基本一致，但误差随粒径增大而增大；颗粒质量相同时，将粒径分别放大2倍及4倍，颗粒数量同比减少87.24%、98.92%，仿真时间明显缩短，计算效率显著提高；FT4流变试验表明，当放尺因子S为2时，阻力FV及其力矩T随时间变化的拟合曲线值约为原尺时的2倍，而当放尺因子S为4时，与原尺相比，拟合曲线斜率差异显著，相关性明显降低。研究结果可为构建沙壤土离散元放尺模型提供理论依据，同时也可为农业工程离散元放尺仿真计算提供一定参考。     

无人机机载激光雷达提取果树单木树冠信息

定株管理是未来果园精准生产管理的趋势，果树单木树冠信息的提取是定株管理的关键。该研究利用无人机采集的苹果园激光探测与测量数据（Light Detection and Ranging，LiDAR）检测和测量每棵果树的树冠面积和树冠直径，并评价空间分辨率对于果树单木树冠检测与提取的影响。该方法主要包括使用反距离权重插值法间接生成冠层高度模型（Canopy Height Model，CHM）；使用局部极大值滤波算法和标记控制分水岭分割算法（Marked-Controlled Watered Segmentation，MCWS）对果树进行单木树冠检测与提取，通过与参考数据的比较，评估了该方法的精度，并定量分析了空间分辨率对于单木树冠检测与信息提取结果的敏感性。结果表明，该方法有效地实现果树单木树冠检测与信息提取，代表果树检测精度的F1得分为94.86%，树冠轮廓提取准确率为86.39%，树冠面积的提取数据集和参考数据集的线性拟合结果决定系数和归一化均方根误差分别为0.81和20.56%，树冠直径的提取数据集和参考数据集的线性拟合结果决定系数和归一化均方根误差分别为0.85和14.79%，树冠面积和直径不同程度地被高估。此外，冠层高度模型的空间分辨率接近果树平均树冠直径的1/10时精度最高，可以有效检测果树单木树冠及提取树冠轮廓，从而准确提取果树单木树冠信息。     

花龄期棉花虫害的电子鼻检测

棉花害虫具有隐蔽性、迁飞性和突发性特点，并且影响因素众多，棉花虫害准确地诊断是农业领域的难点问题。该研究以受到棉铃虫侵害的花铃期棉花为研究对象，采用电子鼻对不同处理的棉花挥发物进行检测。研究表明，主成分分析（Principal Component Analysis, PCA）和聚类分析结果显示健康棉花释放的挥发物具有明显的昼夜节律性，健康棉花与虫害棉花差异性显著。径向基函数神经网络（Radial Basis Function Neural Network, RBFNN）对8个不同时间的4组虫害棉花处理进行分析，测试集判别总的正确率为73.4%，健康棉花对照组测试集判别正确率100%，误判样本出现在3个虫害处理之间。当不考虑时间因素建立虫害棉花统一的预测模型，RBFNN模型对健康棉花对照组的预测正确率均达到了100%，分析结果可以作为花铃期棉花是否遭受棉铃虫侵害的依据，说明电子鼻可以作为棉花虫害发生的有效监测手段，在农作物虫害监测领域具有潜在的应用价值。