水稻锌污染胁迫的光谱奇异性分析

通过研究锌污染胁迫下水稻的光谱奇异性特征来诊断水稻锌污染水平。根据试验区水稻各个生长期的ASD实测高光谱数据和同步获取的作物与农田土壤重金属含量2 a田间试验数据,利用Daubechies小波系中的“Db5”小波函数对锌污染胁迫水稻的350～1 300 nm光谱波段进行5层小波分解,并利用奇异范围、奇异幅度和奇异指数等参数对水稻光谱奇异性进行定量计算与分析。结果表明,“Db5”小波函数分解的第5层小波系数能精准探测水稻光谱的奇异性,其奇异范围集中在480～850 nm波段范围;奇异幅度从出苗期到分蘖期迅速增加,并达到最大值,在随后的分蘖期→拔节期→开花期→成熟期逐渐减少;奇异指数从出苗期→分蘖期→拔节期→开花期→成熟期逐渐增加;水稻叶片锌含量与奇异幅度及奇异指数之间存在较强的相关关系,其决定系数（R2）为0.8445,均方根误差 （RMSE）为5.60。光谱奇异性能有效地诊断并定量分析水稻锌污染胁迫状况,从而为作物重金属污染胁迫监测提供重要参考。     

基于HJ-1卫星影像的三大农作物估产最佳时相选择

对于农作物遥感估产,精确选择最佳估产时相是关键环节。该文利用中国自行研发的HJ-1卫星CCD影像对黑龙江八五二农场3大作物（水稻、玉米、大豆）进行遥感估产的最佳时相选择,通过构建小波变换滤波方法和移动平均法的时序NDVI曲线数据,并依据平滑后的时序NDVI曲线分别确定3大作物的遥感估产最佳时相。研究结果表明,从平滑后的时序NDVI曲线中识别出来的3大作物的关键生长期与当地作物的物候期相对比,水稻生长期拟合误差为-0.003356508,玉米生长期拟合误差为-0.001687117,大豆生长期拟合误差为-0     

基于小波变换和神经网络的短期风电功率预测方法

随着并网风电场规模的不断增大,为保证电力系统运行的稳定性、合理制定调度计划、提高风电场在发电市场的竞争力,需要对短期风电功率进行准确地预测。该文提出一种小波变换和神经网络理论相结合的综合预测方法,将历史风电功率序列和历史风速序列分别进行小波单尺度分解,得到对应的概貌功率、细节功率和概貌风速、细节风速;然后用概貌功率和概貌风速序列训练BP神经网络,预测未来的概貌功率;用细节功率和细节风速序列训练BP神经网络,预测未来的细节功率。在此基础上,将概貌功率和细节功率叠加,得到最终预测结果。对我国某风电场的实际数据     

分子光解截面模拟的劈裂算符-傅立叶变换方案

采用舍时量子方法中的劈裂算符一傅立叶变换方案研究了IBr分子从初始态X1∑+(O+)3个振动能级上跃迁到激发态C1Ⅱ(1)的先解离吸收截面,研究表明在计算光解总的吸收截面时,各势能面间的耦合对吸收截面峰值基本没有影响,从初始态不同的振动能级跃迁到激发态上光解截面的吸收谱峰值存在振荡现象.在计算中劈裂算符一傅立叶变换方案的时间演化算符的幺正性保证了波函数在传播过程中的规范性.同时,计算时可以根据实际情况选择一定个数的格点,在一定程度上提高了计算效率.     

变偏移距VSP资料处理方法研究

变偏移距VSP这门勘探技术自从提出来已经有20多年的历史了,但是,变偏移距VSP的应用还是止步不前,主要原因在于变偏移距VSP方法与常规VSP方法相比有波场复杂、波场分离困难的缺陷.然而,由于该方法检波器可以固定在储集层的上方,有利于描述储层性质及其纵横向变化情况,当有油气显示时,用变偏移距VSP探测漏掉的油气层是很有效的.在理论分析的基础上,编写程序实现了抛物拉冬变换的正、反变换,利用此程序成功实现了复杂条件下变偏移距VSP资料的上、下行波和转换波的分离,效果明显,并且具有实用性.     

等效电荷变换法及其在量子环研究中的应用

利用等效电荷变换法,把三维空间中的杂质电荷对位于X-Y平面上量子环的影响,用一个在X-Y平面上（或X轴上）的虚拟等效电荷取代,从而使计算简化,对结果的分析更加清晰,物理图像更加明确.     

评价指标标准化处理方法的探讨

目前评价指标标准化处理方法较多，本文就常见的指标标准化处理方法进行了归类，在示例比较的基础上分析了各种方法的利弊，并提出了较好为科学合理的改进方法。     

Bcklund变换下一类Burgers方程精确解分析

形如ut=F(u,ux,uxx)的非线性偏微分方程由可积系统vx=P(v,u,ux),vt=Q(v,u,ux)定义的Bcklund变换u→v分类,其最简Burgers方程为ut=uxx+2uux,相应的可积系统是vx=(λ+v)(u-v),vt=(λ+v)(u2-ux-uv)-λ(λ+v)(v-v),其中,λ是任意常数。将Bcklund变换连续n次作用于Burgers方程的零解u0(x,t)≡0,并且每次取不同的参数λk(1≤k≤n),得到了Burgers方程的精确解un(x,t),并揭示了Burgers方程光滑和(或)奇异扭结解相互作用的过程。     

基于随机森林算法的自然光照条件下绿色苹果识别

果实识别是自动化采摘系统中的重要环节，能否快速、准确地识别出果实直接影响采摘机器人的实时性和可靠性。为了实现自然光照条件下绿色苹果的识别，本文采集了果实生长期苹果树图像，并利用随机森林算法实现了绿色苹果果实的分类和识别。针对果树背景颜色和纹理特征的复杂性，尤其是绿色果实和叶片在很多特征上的相似性，论文基于RGB颜色空间进行了Otsu阈值分割和滤波处理，去除枝干等背景，得到仅剩果实和叶片的图像。然后，分别提取叶片和苹果的灰度及纹理特征构成训练集合，建立了绿色苹果随机森林识别模型，并使用像素模板验证数据集，对模型进行预测试验，正确率为90%。最后，选择10幅自然光照条件下不同的果树图像作为检测对象，使用该模型进行果实识别并使用霍夫变换绘制果实轮廓，平均识别正确率为88%。结果表明，该方法具有较高的鲁棒性、稳定性、准确性，能够用于自然光照条件下绿色果实的快速识别。