USLE在我国的应用和发展

美国的通用土壤流失方程USLE是当今世界上应用最为广泛的水蚀模型。 2 0世纪 70年代中期以来 ,我国在引进、消化、应用USLE方面取得了突破性的进展 ,统一了方程中R、K、S、L、C、P的算法 ,将六大因子的计算完全基于GIS和RS ,提高了监测预报的精度和速度 ,已成功地在国内一些地区得到应用。介绍了USLE的发展过程和在我国的应用与发展     

长江上游滑坡、泥石流防灾减灾的探索与实践

长江上游是我国滑坡、泥石流灾害分布最为集中、危害最为严重的地区之一 ,约有大小滑坡 15万处、泥石流沟万余条。 1991年长江上游滑坡、泥石流预警系统建成并投入运行 ,10年多来坚持预防为主、分区分级管理、重点监测、专业监测与群测群防相结合 ,已成功预报 10 0多起滑坡、泥石流灾害险情 ,使 3 3万多人免遭灾难 ,避免直接经济损失达亿元 ,成效十分显著。介绍了长江上游滑坡、泥石流灾害及其特点、预警系统防灾减灾的主要经验等     

长江中下游地区温室内温湿度预测模型的研究

该文利用传热学理论,以温室热平衡模型为基础,分析了温室内温度和湿度的动态模型,并以此建立了室内温湿度预测模型.最后,作者通过SR5.2型连栋塑料温室的实验研究,求出该模型参数,为实现智能温室前馈控制奠定基础.     

土壤水盐运移的简化数学模型在水盐动态预报上的应用研究

对土壤水盐运移的确定性数学模型 ,采用数值模拟的简化法 ,实现对方程的求解。并引入水分运动原理、质量守恒原理 ,根据地下水、土壤水盐运动的特点 ,建立土壤剖面含水量分布的概化模型和土壤盐储量的预报模型。以期从土壤水盐运动的机制出发 ,提出一种应用简化数值模拟方法来预报土壤水盐动态的途径。同时为适应大面积田间土壤盐分预报的特点 ,希望不通过方程的求解来达到应用简化数学模型实现水盐动态预报的目的。所建简化数学模型可为田间大面积土壤水盐动态预测预报提供参考     

兰成渝输油管道工程甘陕段土壤流失预测

兰成渝输油管道工程甘陕段全长 5 3 8km ,建设中损坏原地貌和地表植被 ,产生大量的弃土弃渣。经分析计算 ,新增土壤流失量为 3 3 5 5万t,其中弃土弃渣流失量 2 3 19万t ,占流失总量的 69% ;损坏原地貌和植被新增土壤流失量 10 3 6万t。弃土弃渣是土壤流失防治的重点。     

城市用水灰色动态预测模型的研究与应用

科学地预测城市用水量对拟定城市发展规模具有十分重要的意义。城市用水量受很多因素的影响,是一个充满灰色现象的“灰系统”。利用灰色系统理论建立动态GM（1,1）模型预测城市用水量。实例证明,模型能较好地拟合实测数据并具有较高的预测精度。     

Application of Attribute Reduct Method in Spatial Load Forecasting

Spatial load forecasting is a process distributing the total forecasted load to all partitioned area, and involving more spatial information and more factor influencing application of the future small area, which need a great deal of memory space and longer operation time. Rough set is new method of data analysis. It need not be provided with any advanced information except data set. But attribute reduct is its main algorithms. Division matrix approach on rough set used to reduce the attribute related to land - use decision in order to remove redundancy attribute and then the rules of small area land - use decision is distilled. The method obtained better effect and enhanced the total load forecasting efficiency.     

基于KPCA-WLSSVM的建筑能耗预测模型

为降低建筑能耗影响因素间复杂相关性对模型性能的影响,建立了一种基于KPCA-WLSSVM的建筑能耗预测模型。利用核主元分析(KPCA)对输入变量进行数据压缩,消除变量之间的相关性,简化模型结构;进一步采用加权最小二乘支持向量机(WLSSVM)方法建立建筑能耗预测模型,同时结合一种新型混沌粒子群-模拟退火混合优化(CPSO-SA)算法对模型参数进行优化,以提高模型的预测性能及泛化能力。通过将KPCA-WLSSVM模型方法应用于某办公建筑能耗的预测中,并与WLSSVM、LSSVM及RBFNN模型相比,实验结果表明,KPCA-WLSSVM模型方法能有效提高建筑能耗预测精度。     

基于灰色GM(1,1)模型的闽西红壤农田灌溉需水量预测研究

龙岩地处闽西,是典型的红壤丘陵区,其农田灌溉用水量占用水总量的比重较大,高达60.6%,科学合理地预测未来农田灌溉的需水量,对水资源的合理开发与管理尤为重要。本文在论述了灰色预测模型在农田灌溉需水量预测中的原理、方法与步骤的基础上,利用灰色预测GM(1,1)模型,依据龙岩市2001~2011年农田灌溉用水资料对实际农田灌溉用水量进行了模拟分析,经检验模型精度达到98.45%,准确度高;并用该模型对龙岩市2012~2020年农田灌溉需水量进行了预测。预测结果表明,该模型用于农田灌溉需水量预测,符合其灰色特性,可检验,适用性好,可为龙岩市水资源规划与管理提供必要的参考。     

基于核函数支持向量回归机的耕地面积预测

科学预测耕地保有量是耕地保护的基础,对缓解用地矛盾、保证粮食安全具有重要指导意义。为探讨不同核函数支持向量回归机(support vector regression,SVR)对耕地面积预测的影响,该文以惠州市为例,分别采用多元回归、BP神经网络及3种不同核函数SVR建立耕地面积预测模型并进行对比试验。预测结果精度分析显示,RBF核函数SVR预测结果平均相对误差为0.54%,均方根误差为0.007,精度最高;Sigmoid核函数SVR预测结果对应误差分别为1.12%及0.012,精度次之;多项式核函数SVR预测结果对应误差为分别为2.71%及0.032,高于BP神经网络模型,但低于多元回归模型。研究表明,在现有3种常用核函数SVR耕地面积预测模型中,基于RBF核函数SVR模型预测能力最强,其次是sigmoid核函数;而多项式核函数则效果较差。