基于模式比较视角下的合作社微信营销分析

利用定性分析法和比较研究法对中国合作社现有的主要营销模式进行优劣考量,在此基础上借鉴电子商务的一般特性,创造性地提出合作社微信营销概念,构建了合作社微信营销结构示意图和传播示意图,分析了微信营销与一般电子商务之间的区别及联系,实现了合作社营销模式的创新.     

儒商与企业伦理

为了统计和分析一个国家和地区的收入分配情况，经济学界往往通过入户调查获得家庭收入与消费等数据，采用洛伦兹曲线模型来进行数据拟合.洛伦兹曲线模型拟合效果的好坏，直接影响着收入分配的描述.本文构建了一类凹凸组合的洛伦兹曲线模型，并针对19个国家的收入分配数据进行了实证分析.结果显示该模型具有较好的拟合效果，其基尼系数能较好地描述收入分配现状，对反映和监测居民之间的贫富差距具有重要意义.     

基于气象-生理的夏玉米作物系数及蒸散估算

准确估算作物系数对预测作物实际蒸散量和制定精准的灌溉计划至关重要。为反映作物逐日作物系数变化,综合考虑气象和生物因子对作物生长的共同影响,采用五道沟水文实验站大型蒸渗仪夏玉米实测蒸散及气象数据,基于地温及叶面积指数建立了气象-生理双函数乘法模型,并结合梯度下降法对模型进行了精度优化。结果表明,在整个玉米生长期中,作物系数实测值和计算值平均绝对误差为0.12,均方根误差为0.15,相关性为0.91,蒸散量实测值与计算值平均绝对误差为1.0 mm/d,均方根误差为4.5 mm/d,相关性为0.75。该模型计算的全生育期蒸散量准确率(误差在2～3 mm/d以内)相比使用联合国粮农组织(FAO)推荐的作物系数计算所得准确率提高了3倍以上,可更精确用于作物系数及蒸散量计算。     

基于PCA-SVR-ARMA的狮头鹅养殖禽舍气温组合预测模型

为提高狮头鹅养殖禽舍气温预测精度,提出了基于主成分分析(Principal Component Analysis,PCA)、支持向量回归机(Support Vector Regression,SVR)融合自回归滑动平均(Autoregressive Moving Average,ARMA)模型的狮头鹅养殖禽舍气温组合预测模型。在建模过程中,运用主成分分析法筛选狮头鹅养殖禽舍气温的关键影响因子,消除变量之间冗余信息,约简预测模型结构;采用SVR-ARMA构建狮头鹅禽养殖舍气温组合预测模型,先通过SVR对气温进行预测,再由基于ARMA模型的残差预测值修正气温预测结果。利用该模型对广东省汕尾市2018年7月21日至2018年7月30日期间的狮头鹅养殖禽舍气温进行预测。结果表明,该组合预测模型取得了良好的预测性能,与标准BP神经网络、标准SVR、PCA-BPNN(反向传播神经网络,BackPropagationNeuralNetwork)、PCA-SVR和PCA-BPNN-ARMA等模型对比分析,其评价指标平均绝对误差、均方根误差和平均绝对百分比误差分别为0.183 2℃、0.454 0℃和0.005 9,均表明所提出的组合模型具有更高的预测效果,不仅能够满足狮头鹅养殖禽舍气温实际精准调控的需要,还为狮头鹅健康养殖和种苗繁育环境精细化管理提供决策。     

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。     

谷子秸秆剪切力与其饲料营养特性变化规律及相互关系

为探究谷子秸秆力学性质与其饲料特性的变化规律及相互关系，选用谷物完熟期的谷子秸秆，将其分为5段（近根部、中下部、中部、中上部、上部）并每隔7 d进行秸秆节间、茎节力学性质（剪切、压缩）和饲料特性（形态指标、营养成分）测定。试验结果表明：谷物完熟后，随着时间的推进，秸秆节间、茎节剪切力、抗压强度、干物质含量、纤维素含量、半纤维素含量和木质素含量总体上呈增大趋势，而秸秆含水率、当量直径、横截面积、线性密度和粗蛋白含量总体上呈减小趋势。谷子秸秆单位直径剪切力与含水率和线性密度呈负相关关系（R2≥0.903），与其干物质、纤维素、半纤维素和木质素含量呈正相关关系（R2≥0.845），与其粗蛋白含量无显著相关关系（P>0.05）。采收期内，谷子秸秆基部起秸秆剪切力至顶部逐渐增大，且剪切力与当量直径、横截面积呈正相关关系（R2≥0.916）。试验表明谷子秸秆饲料特性指标验证试验值与预测值相对误差不大于6.48%，预测模型合理。测量秸秆剪切力可用于预测其形态指标参数和营养成分含量，进而一定程度地反映秸秆饲用价值和反刍动物择食趋向。采收期内，谷子中部及以上秸秆单位直径剪切力显著小于其近根部（P<0.05），更适合饲用；且谷物完熟后，及时采收可避免秸秆饲用价值降低。该研究可为高效利用谷子秸秆资源提供参考。     

基于EDEM的猪粪接触参数标定

为准确快速获得畜禽粪便的接触参数,该研究通过物理堆积试验与仿真方法对猪粪接触参数进行了标定。测定了不同含水率下猪粪的堆积角,建立了含水率与堆积角的回归方程;基于Hertz-Mindlin with JKR球体粘结模型,进行了离散元仿真模拟;采用筛选试验设计(Plackett-BurmanDesign,P-BD)对10个初始参数进行了筛选,发现JKR(Johnso-Kendall-Roberts)表面能、颗粒间滚动摩擦系数、颗粒间碰撞恢复系数对猪粪堆积角影响显著;并根据响应曲面试验设计(Box-BehnkenDesign,B-BD)建立了堆积角与显著性参数的二阶回归模型,得到了3个显著性参数值分别为JKR表面能0.03J/m~2、颗粒间滚动摩擦系数0.27、颗粒间碰撞恢复系数0.54;将仿真所得堆积角与物理试验值进行对比验证,相对误差为4.27%。结果表明,该研究提出的标定方法能准确模拟物理堆积试验,可为畜禽粪便接触参数的标定提供参考。     

格网化小麦生长模拟预测系统设计与实现

利用作物生长模型模拟小麦区域生产力,分析气候变化对农业生产的影响是研究粮食安全的热点问题之一。拥有操作方便、计算快速特点的小麦区域生产力模拟系统,可有效提高作物生长模型区域应用能力。该研究在分解小麦生长模型WheatGrow算法基础上,利用Python语言构建了格网化小麦生长模型,实现了基于空间格网数据的小麦区域生产力模拟。验证试验结果表明:模拟产量的均方根误差为1 070 kg/hm~2,标准均方根误差小于20%,系统所集成的WheatGrow模型具有较好的预测性;同时,结合格网数据分块构建区域模拟的并行计算策略,优化了区域模拟的性能。在此基础上,采用GIS组件式开发模式,在.NET平台下开发格网化小麦生长模拟预测系统,实现作物生长模型与GIS耦合,为研究区域小麦产量潜力,评估气候变化对小麦生长影响,制定农业决策提供软件工具。     

土壤外源钴对大麦根伸长的毒害及其预测模型

选取我国11种不同性质的农田土壤，通过外源添加重金属钴（Co），研究其对大麦（Hordeum vulgare L.）根伸长的毒性阈值及土壤性质对Co毒性的影响。结果发现，Co对大麦根伸长10%抑制效应（EC₁₀）在11种土壤中的变化范围为37.1~3 914 mg·kg^-1土（105.5倍），50%抑制效应（EC₅₀）的变化范围为166.1~6 030 mg·kg^-1土（36.3倍）。建立土壤性质与毒性阈值的回归方程，结果表明土壤pH是影响土壤Co毒性阈值最重要的因子，作为单因子时分别可以解释77.6%、72%的EC₁₀和EC₅₀的变异（P≤0.001）。当在EC₁₀预测模型中引入土壤pH和土壤黏粒（Clay）双因子时，可以解释83.9%的EC₁₀的变异（P<0.001），EC₅₀预测模型中引入土壤pH和总碳（TC）双因子时，可以解释86.1%的EC₅₀的变异（P<0.001）。将我国土壤中得到的Co毒性阈值预测模型和欧洲北美10种土壤的预测模型进行比较验证，结果发现基于我国土壤得到的预测模型可以较为准确地预测欧洲北美土壤中Co的大麦根伸长毒性阈值，但基于欧洲北美土壤的预测模型不能准确预测我国土壤中Co的毒性阈值。研究表明，我国土壤性质对Co毒性有显著的影响，基于土壤性质建立的预测模型可为土壤中Co生态风险评价提供参考依据。