基于随机森林回归算法的小麦叶片SPAD值遥感估算

使用机器学习中的随机森林(RF)回归算法构建小麦叶片SPAD值遥感反演模型。以2010—2013年江苏地区试验点稻茬小麦3个生育期(拔节、孕穗、开花)的叶片为材料,结合我国自主研发的环境减灾卫星HJ-1对研究区域进行同步监测,分析了各生育期叶片SPAD值与8种植被指数间的相关性;以0.01水平下显著相关的植被指数作为输入参数,使用RF回归算法构建了每个生育期的小麦SPAD反演算法模型,即RF-SPAD模型,以支持向量回归(SVR)和反向传播(BP)神经网络算法构建的SVR-SPAD模型和BP-SPAD模型作为比较模型,以R2和均方根误差(RMSE)为指标,分析了每个生育期3个模型的学习能力和回归预测能力,结果表明:RF-SPAD模型在3个生育期都表现出最强的学习能力,R2和RMSE在拔节期分别为0.89和1.54,孕穗期分别为0.85和1.49,开花期分别为0.80和1.71;RF-SPAD模型在3个生育期的回归预测能力都高于BP-SPAD模型,高于或接近于SVR-SPAD模型,R2和RMSE在拔节期分别为0.55和2.11,孕穗期分别为0.72和2.20,开花期分别为0.60和3.16。     

联合收获机前进速度模糊控制系统多目标遗传优化

针对联合收获机前进速度模糊控制系统参数设计具有主观性,导致作业性能不理想的问题,以切纵流联合收获机样机为研究对象,构建联合收获机前进速度模糊控制系统仿真模型,并建立控制性能和收获性能的优化目标函数来衡量联合收获机的作业性能,利用多目标遗传算法对模糊控制系统的隶属函数和输送槽、割台螺旋输送器和切流滚筒对前进速度的影响因子进行优化。通过对优化前后模型仿真对比和两组田间试验数据分析,表明优化后的控制系统在受外界干扰情况下控制性能得到了较好的保持,收获性能在喂入量变化不大情况下,单位平均损失率分别由1.45%和1.26%降至1.12%和1.14%,联合收获机的总体作业性能得到改善。     

马蹄形过水断面正常水深计算的遗传算法

马蹄形过水断面是无压输水隧洞中常采用的断面形式之一 ,因其几何形状复杂 ,水力计算困难。目前常采用的方法有试算法、图解法和迭代法 ,这些方法由于计算量大且精度不易保证 ,不便于在生产实践中应用推广。将马蹄形过水断面正常水深计算转化为非线性优化问题 ,采用实数编码的遗传算法进行求解 ,实例计算表明该方法精度高、通用性强、操作简便 ,便于在生产实践中应用。     

基于遗传算法的机械产品多参数选配方法

对机械产品多参数选配问题进行了描述，并以同时满足多个装配精度，使不适配零件数量最小化为目标，建立了求解该问题的数学模型。针对机械产品多参数选配的特点，提出了一种基于遗传算法的选配方法。根据问题的特殊性，设计了相应的编码方法和遗传算子。最后给出了应用该算法解决机械产品多参数选配问题的一个实例，证明了该算法的可行性与有效性。     

基于改进PSO算法的电机控制系统PID参数优化

粒子群算法(PSO,Particle Swarm Optimization)作为一种新型的随机优化方法,其算法结构简单,鲁棒性强,在组合优化和自适应控制等领域的非线性优化中有着广泛的应用前景.为此,提出一种改进的PSO优化算法,并将该算法应用于电机控制系统的PID参数优化设计.仿真结果表明,利用改进PSO算法优化的PID参数能有效改善控制系统的性能指标.     

基于混合遗传算法的谐波齿轮传动优化设计

以谐波齿轮传动体积最小为优化设计目标,建立了混合离散变量优化设计数学模型。引入混沌移民算子,对基本遗传算法进行了改进,以维持群体的多样性,提高全局收敛能力。提出了一种设计变量的离散化处理方法,结合染色体编码的修正技术,在遗传算法中染色体按离散化后的设计变量进行离散搜索。开发了混合离散变量优化的改进遗传算法程序,给出了谐波齿轮传动的混合离散变量优化设计实例,所得优化设计参数符合设计规范,不需进一步处理就可直接用于制造。     

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Matlab的根系断层图像分割处理算法

根据植物根系原位形态可视化研究的需要,利用Matlab提供的图像处理算法,编制了根系断层图像分割处理算法的优选整合程序,用多种不同算法组合对根系CT原位图像进行实例检验,采用最终测量精度法作为评价准则,对分割效果进行分析研究。研究结果表明,在90%的置信水平下,处理模块的不同组合顺序以及每个模块中不同算法的选择对最终分割效果有显著的影响,各因素对分割效果总变异贡献率的大小排序为分割(46.1%)、灰度调整(17.9%)、分割前滤波(4.5%)、分割后滤波(2.6%)、执行序列(0.5%)。根据所设计的实验例证,提出了处理流程及算法中的较优组合。     

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。     

基于粒子群算法的圆柱度误差评定方法

根据最小区域条件，建立了圆柱度误差的数学模型以及优化目标函数和适应度函数，阐述了粒子群优化算法的原理和实现方法，然后根据粒子群算法优化求解。实例表明，该方法对于圆柱度误差评定等非线性优化问题能得到全局最优解，粒子群优化算法的计算精度与其他满足最小条件的计算方法相比略有提高，且参数设置少，计算速度快，可用于三坐标测量机等测量系统的圆柱度误差测量后的数据处理。