Precipitation forecasting by large-scale climate indices and machine learning techniques

Global warming is one of the most complicated challenges of our time causing considerable tension on our societies and on the environment. The impacts of global warming are felt unprecedentedly in a wide variety of ways from shifting weather patterns that threatens food production, to rising sea levels that deteriorates the risk of catastrophic flooding. Among all aspects related to global warming, there is a growing concern on water resource management. This field is targeted at preventing future water crisis threatening human beings. The very first stage in such management is to recognize the prospective climate parameters influencing the future water resource conditions. Numerous prediction models, methods and tools, in this case, have been developed and applied so far. In line with trend, the current study intends to compare three optimization algorithms on the platform of a multilayer perceptron (MLP) network to explore any meaningful connection between large-scale climate indices (LSCIs) and precipitation in the capital of Iran, a country which is located in an arid and semi-arid region and suffers from severe water scarcity caused by mismanagement over years and intensified by global warming. This situation has propelled a great deal of population to immigrate towards more developed cities within the country especially towards Tehran. Therefore, the current and future environmental conditions of this city especially its water supply conditions are of great importance. To tackle this complication an outlook for the future precipitation should be provided and appropriate forecasting trajectories compatible with this region's characteristics should be developed. To this end, the present study investigates three training methods namely backpropagation (BP), genetic algorithms (GAs), and particle swarm optimization (PSO) algorithms on a MLP platform. Two frameworks distinguished by their input compositions are denoted in this study: Concurrent Model Framework (CMF) and Integrated Model Framework (IMF). Through these two frameworks, 13 cases are generated: 12 cases within CMF, each of which contains all selected LSCIs in the same lead-times, and one case within IMF that is constituted from the combination of the most correlated LSCIs with Tehran precipitation in each lead-time. Following the evaluation of all model performances through related statistical tests, Taylor diagram is implemented to make comparison among the final selected models in all three optimization algorithms, the best of which is found to be MLP-PSO in IMF.     

林业产业结构升级对林业经济波动的熨平效应分析——以我国黑龙江省为例

文中利用HP滤波法对林业产出、林业资本、林业劳动、林业产业结构升级以及林业生态政策进行趋势成分剥离，从而得到相应的波动指标；在此基础上构建时变参数状态空间模型分析林业产业结构升级对林业经济波动的影响，并以我国黑龙江省为例进行实证分析。结果表明:黑龙江省林业产业结构升级对林业经济波动具有明显的熨平效应，但是随着时间的推移这种熨平效应愈加平稳。     

基于产品空间理论的中国林业产业升级特征分析

林业产业如何进行转型升级是实现林业现代化与高质量发展中的重要一环。本文基于产品空间理论，使用聚类热图和复杂网络方法，构建1962—2017年中国林业产业产品空间，从产品复杂度和优势林产品变化两个角度分析林业产业升级特征。结果表明，新获得优势林产品复杂度高，为0.31，传统失势林产品较低，为-0.21，表征林业产业已朝附加值更高的有利方向升级，但传统优势林产品复杂度较低，说明林业产业已有优势产品竞争激烈不利于升级。产品复杂度较高的潜在优势林产品是林业机械、机械零件和林化产品，优势林产品在产品空间中的变化存在一定路径依赖，先扩散后收敛于产品空间的中心位置，政府制定的林业产业政策与全球化背景可能促进了优势林产品升级。因此，政府制定产业政策时，应对不同优势类型林产品采取差异化策略，应完善产品复杂度低的传统优势林产品市场退出机制；减少与优势林产品距离较近的潜在优势林产品政策干预，对距离较远的复杂度高的潜在优势林产品使用补贴等方式引导升级。     

热带土壤中解淀粉芽孢杆菌HNU1的鉴定及发酵条件优化

重金属毒性强、不可降解，在环境中可持续存在，土壤中的重金属可通过食物链累积，对生物体的健康构成严重威胁。土壤微生物修复重金属污染方法具有经济成本低、周期短、效率高、无二次污染等优点，也存在外源微生物在土壤环境中不易存活和繁殖的缺点。通过形态观察、生理生化试验以及16S rDNA同源性序列分析对前期研究中分离保存的一株铜富集细菌HNU1菌株进行鉴定，鉴定该菌为解淀粉芽孢杆菌(Bacillus amyloliquefaciens)。并通过单因素试验和正交试验找出该菌株的最适发酵条件，该菌的最适培养基组成为蔗糖2 g·L-1，酵母粉4 g·L-1，胰蛋白胨6 g·L-1，MgSO4 5 g·L-1。培养条件为初始pH为8.0，温度37 ℃，接种量0.1%，摇床转速180 r·min-1，50 mL三角瓶中装液量20 mL。鉴定的解淀粉芽孢杆菌HNU1菌株对Cu具有良好的富集作用，可进一步开发为微生物肥料用于重金属污染农田土壤的修复，对土壤修复和改良具有重大意义。     

基于粒子群算法优化BP神经网络的土壤含水量短期预测模型

为提高土壤含水量预测精度,基于物联网监测数据,提出了粒子群算法(PSO)优化BP神经网络的土壤含水量预测方法。首先应用主成分分析法筛选出影响土壤含水量的关键影响因子,然后构建8-5-1的BP神经网络拓扑结构,应用粒子群算法优化BP神经网络的初始权值和阈值。结果表明:与传统BP神经网络相比,新模型优化了网络结构,避免了陷入局部最优解,具有良好的预测效果;模型的评价指标平均绝对误差、平均绝对百分误差、误差均方根分别为0.259 2、0.010 5和0.135 6,与单一BP神经网络相比,预测精度更高,可满足实际的土壤含水量预测的需要。     

基于模型预测控制的农机主从跟随作业控制方法

针对实际环境中由于农业机械（简称农机）作业过程的作业量以及土壤条件的变化等不确定性因素的影响，导致协同作业跟随农机的行驶工况不稳定、跟随协同作业响应慢、控制困难等问题，在综合考虑不确定性以及响应性能的基础上，提出了一种农机跟随分层控制架构，搭建农机田间作业下的纵向跟随动力学模型，并以间距保持、速度跟随、燃油经济性、加速度跟随性能为目标，进行基于模型预测控制（MPC）算法的上层控制器推导，基于前馈以及PI反馈的控制器作为下层控制，以上层控制器获得的控制加速度为目标，进行力矩（电流）跟踪，在保证抗不确定性以及干扰噪声的同时，提高跟随农机的响应能力。通过Matlab/Simulink仿真和田间试验验证，结果表明，该控制方法可以有效解决农机作业的跟随控制问题，与滑模变结构控制器相比，能够实现稳定跟随行驶，且速度误差和加速度误差更小，速度误差控制在-0.29132~0.18001m/s，加速度误差控制在-0.05678~0.05628m/s2，稳定跟随距离误差为±0.45m，具有良好的跟随效果。     

鲍蒸煮液复合调味品制作配方和工艺研究

为了提高鮑资源的利用率,开发新型香精,以鲍蒸煮液美拉德反应产物为基料,感官评定为指标,在单因素及L_9(3~4)正交试验基础上,确立了口感和海鲜风味俱佳的鲍复合调味品最佳配方为:盐添加量35%、味精添加量40%、玉米淀粉添加量9%、鲍风味基料添加量为6%、白砂糖添加量4%、麦芽糊精添加量3%、呈味核苷酸二钠(I+G)添加量1.5%、酵母抽提物添加量1.5%。研究了不同的造粒方式和干燥方法对颗粒产品吸湿性、溶解性、流动性、质构特性及感官评定的影响;相关理化、性能指标为:完全溶解于90~100℃热水中的时间需要72 s,且分散良好、溶液微浑浊、无沉淀,鲜味足;堆密度为(0.61±0.01)g/cm~3,硬度为(3 642±122.198)g,吸湿性为(9.35±0.01)%,临界湿度值为60%,休止角为33.0°,总体可接受度为(7.81±0.12)分。研究结果表明,旋转造粒和流化床干燥的产品质量最佳,吸湿性比较小,溶解性、流动性和质地性都比较好,感官评分最高。     

人本视角下Human Library运行模式的优化

从当前Human Library发展现状出发,以人本视角为剖析角度,分析其运行中存在的问题并在此基础上提出相应的优化对策,以期Human Library的未来运行更加科学。     

中国奶牛养殖生产布局优化研究——基于比较优势的实证分析

科学分析奶牛养殖区域比较优势,是优化中国奶牛养殖生产布局的前提条件。利用2001-2017年中国乳业数据,通过面板数据模型分析影响中国奶牛养殖生产布局的关键因素,基于比较优势理论、采用资源禀赋系数法,针对关键因素进一步分析中国奶牛养殖区域比较优势,探讨中国奶牛养殖生产布局的优化方向。研究结果表明:中国奶牛养殖生产布局主要受到玉米产量、生产者预期和温度的影响,不同地区在这三个方面具有不同的奶牛养殖比较优势。奶牛养殖优势区域主要集中在华北产区和西部产区,包括内蒙古、河北、山西、新疆、甘肃和宁夏;非优势区域主要集中在南方产区,包括上海、江苏、浙江、福建、湖北、湖南、广东、四川、安徽、江西和广西;其余省份为较优势区域,主要集中在东北产区和大城市周边产区。因此,从区域发展层面,提出建设优势区域产业带、因地制宜发展较优势区域、引导非优势区域转移和整合区域资源优势等建议;从奶牛养殖生产布局显著性影响因素层面,提出推广种养结合养殖模式、种植替代玉米的饲料作物、引导乳制品消费、改善养殖基础设施等建议。     

湘桂走廊白背飞虱早期虫源及灾变大气背景

为阐明湘桂走廊白背飞虱早期虫源及大气背景在其北迁过程中的影响,利用HYSPLIT软件模拟白背飞虱灾变性迁入高峰期、始见期后向轨迹,分别从个性及共性角度,分析湘桂走廊白背飞虱主要虫源地及其灾变大气背景。结果表明：（1）1991—2014年湘桂走廊白背飞虱的迁入始见期、首次迁入高峰期分别为0.9 d/10 a、1.6 d/10 a;（2）西南路径是湘桂走廊白背飞虱初始虫源迁入的主要路径,永福站、兴安站和全州站虫源西南路径占比分别为54%、50%、72%;（3）中南半岛白背飞虱借助微弱上升气流完成起飞,850 hPa高度上的强劲的西南气流、丰富的水汽条件有利于其北迁,降水是白背飞虱降落的重要大气动力机制。研究结果为白背飞虱的异地监测及科学防治提供科学依据。