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。     

基于部首嵌入和注意力机制的病虫害命名实体识别

为了解决农业病虫害命名实体识别过程中存在的内在语义信息缺失、局部上下文特征易被忽略和捕获长距离依赖能力不足等问题，以农业病虫害文本为研究对象，提出一种基于部首嵌入和注意力机制的农业病虫害命名实体识别模型(Chinese agricultural diseases and pests named entity recognition with joint radical embedding and self attention, RS-ADP)。首先，该模型将部首嵌入集成到字符嵌入中作为输入，用以丰富语义信息。其中，针对部首嵌入设计了3种特征提取策略，即卷积神经网络(Convolutional neural network, CNN)、双向长短时记忆网络(Bidirectional long short term memory network, BiLSTM) 和CNN-BiLSTM；其次，采用多层不同窗口尺寸的CNNs层提取不同尺度的局部上下文信息；然后，在BiLSTM提取全局序列特征的基础上，采用自注意力机制进一步增强模型提取更长距离依赖的能力；最后，采用条件随机场(Conditional random field, CRF)联合识别实体边界和划分实体类别。在包含11个类别和24715条标注样本的农业病虫害自制语料上进行了实验。结果表明，本文模型RS-ADP在该数据集上精确率、召回率和F1值分别为94.16%、94.47%和94.32%；在具体实体类别上，RS-ADP在作物、病害、虫害等易识别实体上F1值高达95.81%、97.76%和97.23%。同时，RS-ADP在草害、病原等难以识别实体上F1值仍保持86%以上。实验结果表明，本文所提模型能够有效识别农业病虫害命名实体，其识别精度优于其他模型，且具有一定的泛化性。     

基于卷积神经网络的拖拉机工况识别

农机工况识别在细化农机作业状态和帮助掌握区域污染物排放趋势方面有着重要的研究价值。基于拖拉机不同运行状态下的行驶速度、发动机转速以及实时油耗等时间序列,首次提出将图像识别方法引入到拖拉机工况识别中的思路,并分别应用参数优化的支持向量机与卷积神经网络对实际作业拖拉机工况进行研究。结果表明:(1)基于参数优化的支持向量机可以较好地实现样本点的工况识别且识别准确度达到99.851 9%,但无法实现农机工况的连续性识别,同时无法对农机工况转换阶段进行有效识别。(2)以拖拉机运行速度与发动机转速等信息构建样本图像来描述农机工况变化的数据表达,并在此基础上应用卷积神经网络可以有效实现农机工况的连续性识别,且识别准确率可以达到93.3%。本研究在农机工况识别方面具有一定参考价值,并为后续农机不同工况下区域污染物排放研究提供技术支持。     

具有III型分泌系统的Pseudomonas moraviensis FP1761植物益生功能及其全基因组分析

 本研究从节瓜根际分离到一株具有防病促生功能的荧光类假单胞菌FP1761。该菌株对部分植物病原真菌和细菌具有拮抗能力,能够解钾、解有机磷和无机磷,可产生氨、蛋白酶、嗜铁素、吲哚乙酸。生物测定表明菌株FP1761可显著促进小麦生长。生理生化、平均核苷酸相似度、16S rDNA和多基因分析将FP1761鉴定为摩拉维亚假单胞菌(Pseudomonas moraviensis)。菌株FP1761基因组草图全长6.12 Mb,(G+C)含量为59.9%,共编码5467个基因序列。将该菌株与种内3个代表性菌株进行泛基因组和核心基因组分析,共产生 4 357个共有基因,菌株FP1761特有基因327个。利用antiSMASH对菌株次生代谢基因簇进行预测,发现其含有8个潜在的次生代谢产物基因簇。其中两个基因簇与嗜铁素pyoverdine合成相关,未见聚酮类合成基因。基因组分析发现,该菌株具有与病原性假单胞菌相似的III型分泌系统,但丢失了效应蛋白调控因子hrpS和转运相关的hrpH和hrpK1基因。对全基因组扫描,菌株FP1761仅保留了病原性假单胞菌的保守效应蛋白AvrE和HopAA1-1。FP1761是目前已发现的唯一具有III型分泌系统的摩拉维亚假单胞菌。本研究表明摩拉维亚假单胞菌FP1761具有潜在的植物防病促生功能,但其III型分泌系统与植物益生互作机制有待进一步解析。     

基于深度学习的牛肉大理石花纹等级手机评价系统

大理石花纹是影响牛肉品质等级的重要指标,目前中国牛肉加工企业对大理石花纹的评价是由专业分级人员参照标准图谱完成,具有主观性强、耗费人工的缺点。针对上述问题,该研究提出了基于深度学习的智能分级方法,设计一种具有4层卷积的神经网络结构,实现了大理石花纹特征的自动提取,并基于智能手机开发了牛肉大理石花纹检测软件。该研究共采集样本图像1 800张,按3:1:1分为校正集、验证集和测试集。为进一步验证模型,将该方法与传统机器视觉方法进行了比较,提取了牛肉大理石花纹的大、中、小脂肪颗粒个数,脂肪总面积和脂肪分布均匀度5个参数,并建立了多元线性回归模型。试验结果表明,该研究所用方法大理石花纹检测准确率更高,验证集检测正确率为97.67%。最后编写了手机软件,将模型移植入Android手机,在手机平台上调用模型进行大理石花纹检测。试验表明,该软件对测试集样本的检测准确率为95.56%,单张检测时间低于0.5 s。该研究结合卷积神经网络分类能力强和智能手机运行速度快等优点,开发了牛肉大理石花纹的手机评价系统,具有较好的实用性和便携性,可提高牛肉大理石花纹检测效率,有助于提高农畜产品检测的智能化水平。     

人工神经网络在电力系统短期负荷预测中的应用

根据电力系统短期负荷变化的特性，提出BP模型在实际负荷预测应用中的方法和步骤．对BP网络结构、样本空间、收敛性等作了有针对性的研究．结果表明：多层神经网络应用于电力系统短期负荷预测是可行和有效的．其预报结果比传统的负荷预测方法更准确、经济、效果更好．     

用单层分化法进行胚胎干细胞神经分化的研究

用单层分化法研究了 ES细胞从 0～ 316 h(第 14天 )的神经分化过程。无饲养层培养的 ES细胞在无血清的N2 B2 7培养基中开始神经分化。从 72 h开始 ,神经外胚层的特异性转录因子 Sox1表达 ,在克隆的边缘逐渐出现向外迁移的细胞 ,形状呈圆形或椭圆形 ,有 1～ 2个细胞突起。在 191h(第 8天 )之后 ,细胞可迁移至克隆边缘的 2 0 0 μm之外 ,这些有细长突起的细胞表达神经元特异性蛋白 Tau。以后 ,迁移细胞的突起开始交叠成网状。 316 h(第 14天 )时 ,细长的纤维可跨越在不同的克隆之间 ,长达上千微米。此时 ,免疫染色的结果表明 ,在克隆的中央有较多的圆形 Nestin阳性细胞 ,而克隆的边缘有大量的 β- tubulin 阳性细胞 ,它们交织成复杂的网状图像。阶段性表达基因的表达时序研究表明 ,ES细胞的特异性转录因子 Oct4开始减弱时 ,Sox1表达开始 ,此时细胞由全能状态进入早期神经分化状态 ;Tau的表达是 Sox1表达的下游事件。这一时序与胚胎发育中神经发生的时序相符。单层分化法能直观地展示 ES细胞的神经分化过程 ,可作为研究细胞分化、胚胎发育及药物筛选的体外模型     

电流模式神经网络

把电流模式电路引进了神经网络理论，提出了一种用电流模式电路构成的神经网络阈值处理单元，并由此构成了电流模式Ｈｏｐｆｉｅｌｄ神经网络，此网络中信号都是以电流的形式出现的。     

影响老瓜头泌蜜量主导因素的研究

老瓜头自然分布于沙漠地带。在老瓜头开花期,天气变化无常。我们研究了对老瓜头泌蜜量起关键影响作用的气象因子。根据当地气候的变化规律进行预测预报,指导养蜂者正确选择场地,以夺取老瓜头蜜高产。     

晚稻稻瘟病BP神经网络分区预报

应用相关分析方法分析了浙江省19个县1988～1999年晚稻稻瘟病发病与有关环境因子的关系,筛选了8个气象因子用于晚稻稻瘟病发生程度长期预报。根据各预报因子与稻瘟病发病程度相关性,采用邻接二维图论聚类分析法,将19个点(县)划分为4个生态区。每个生态区内运用BP神经网络技术建立模型,并进行拟合和试报。1997～1999年试报验证,在划分稻瘟病生态区的基础上,应用BP神经网络模型对稻瘟病进行长期预测预报是可行的,3年试报成功率分别是78.95％、84.21％和78.95％。文中还对该方法与过去常用的预报方法的试报结果作了比较。