基于SVM的RBF网络在农机总动力预测中的应用

径向基神经网络是一种单隐层的三层前向网络,具有结构简洁、学习速度快等优点。为此,分析了径向基神经网络采用传统聚类方法确定基函数中心存在的问题,提出了一种基于支持向量机聚类确定径向基网络基函数中心的方法。该方法以最大间隔原理和结构风险最小化原则为前提,利用核方法把输入空间的样本映射到高维特征空间完成聚类工作来确定基函数的数量。采用改进的方法训练的径向基神经网络对黑龙江省农机总动力进行非线性时间序列预测,结果表明:改进的网络在确定网络结构、学习速度和提高网络预测精度方面都有较好的效果。     

中国与孟中印缅经济走廊沿线国家木质林产品贸易前景分析

文中从贸易规模和贸易结构2个层面对中国与“孟中印缅经济走廊”沿线国家木质林产品贸易现状进行概述，运用贸易强度指数、贸易互补性指数、产业内贸易指数对中国与沿线各国木质林产品贸易联系进行分析。结果表明，中国与沿线各国木质林产品贸易规模处于逐年上升趋势，经贸联系也在逐年增强。中国应继续推进孟中印缅经济走廊建设，深化对沿线国家木质林产品贸易，实现区域林产品贸易和产业互利共赢。     

基于SOA的水轮机调速系统PID参数优化

针对现有优化方法复杂、易陷入局部最优等问题,为水轮机调速系统提出了一种基于人群搜索算法的比例-积分-微分控制参数优化方法.为验证该算法的可行性,建立了水轮机调速系统非线性模型,选取水轮发电机组转速偏差的积分时间绝对误差指标作为目标函数进行优化.为验证优化结果的有效性,将人群搜索算法的控制效果与参考文献中粒子群算法的控制效果进行了对比分析.仿真结果表明,在5%频率扰动下,人群搜索算法自第29次迭代起已收敛,经其优化的系统能在8秒内趋于稳定,此时系统的超调量为1.6%;在10%负荷扰动下,人群搜索算法自第25次迭代起已收敛,其优化效果与粒子群算法优化效果基本相同,两者均在10秒内让系统趋于稳定,但人群搜索算法优化的积分时间绝对误差指标比粒子群算法优化的积分时间绝对误差指标小,表明人群搜索算法具有更好的搜索功能,在一定程度上改善了孤网运行条件下机组的动态性能.     

基于非线性降维时序遥感影像的作物分类

当前基于时序遥感数据的作物分类方法大都需要较多专家知识及人工干预,难以自动化,也难以移植到其他地区。将光谱降维技术用于时序遥感影像分析可以很好地解决这一问题。其中,非线性降维方法已经成功应用于高光谱数据,并且获得了比线性降维方法更好的结果。但是,直接将非线性降维方法用于时序遥感影像无法充分利用其时相维度的信息。该文改进了一种非线性降维算法——Laplacian Eigenmaps(LE)用于时序遥感影像的作物分类,该方法更加关注相同时相下不同作物生长季的物候特征差异,而不再仅依赖于整个生长季的物候曲线轮廓。改进的LE算法被应用于美国伊利诺伊州覆盖作物全生长季的Landsat 8时间序列影像。降维后保留的波段结合随机森林分类器基于美国农业部Cropland Data Layer(CDL)提供的训练数据完成了一系列的分类试验,并与传统插值未降维的方法进行对比。试验结果表明,改进的LE降维方法完成了更高的整体及各个类别的分类精度,其中整体分类精度达到85.37%,该方法作为一种自动化的方法,不需要人工干预,可直接移植到其他研究区,并且只需要较少的训练样本就可以完成一个较高的分类精度,为日后不同尺度的作物识别和提取研究提供了有效的方法。     

Philip入渗模型参数的非线性预报模型

利用黄土高原区大田耕作土壤的水分入渗试验过程资料,拟合了Philip入渗模型参数,建立了以土壤体积含水率、干密度、粉、黏粒含量和有机质含量等土壤理化参数为输入变量,Philip入渗模型参数为输出变量的土壤传递函数,通过对函数的分析、检验,建立了土壤入渗参数S和A的多元非线性预测模型;在此基础上,运用灰色关联分析理论,将各输入变量进行了灰色排序。研究表明:用土壤体积含水率、干密度、粉粒含量、黏粒含量和有机质含量作为预报模型的输入参数可实现对入渗参数的预测,预测参数实测值与预测值之间的相对误差可控制在8%以下,所建立的非线性预测模型高度相关。     

一种湍流计算的非线性PANS模型

大多数雷诺平均湍流模型(RANS)基于线性和各项同性假设求解雷诺应力(Reynolds stress),因此对高压力梯度区、大曲率回流以及复杂的分离流动的预测误差较大.在近壁区较少网格的条件下,部分时均(PANS)方法被认为比大涡模拟(LES)获得结果更好.通过RNG k-ε湍流模型构造部分时均化模型,引入雷诺应力的非线性求解方法,提出了一种新的非线性PANS模型,并应用该非线性PANS模型分别对绕NACA0015水翼翼型流场和90°长方形截面弯管内流场进行了流动的数值模拟.结果表明:非线性PANS模型的数值结果与试验数据吻合较好,其在高压力梯度区的预测准确性高,并能准确预测流动分离诱发的三维非线性流动,证明了该方法捕捉高压力梯度、大曲率流动的有效性.该计算方法可以用来预测透平机械内部复杂的涡结构.     

A nonlinear,low data requirement model for producing spatially explicit fishery forecasts

Spatial variability can confound accurate estimates of catch per unit effort (CPUE), especially in highly migratory species. The incorporation of spatial structure into fishery stock assessment models should ultimately improve forecasts of stock biomass. Here, we describe a nonlinear time series model for producing spatially explicit forecasts of CPUE that does not require ancillary environmental or demographic data, or specification of a model functional form. We demonstrate this method using spatially resolved (1° × 1° cells) CPUE time series of North Pacific albacore in the California Current System. The spatial model is highly significant (P < 0.00001) and outperforms two spatial null models. We then create a spatial forecast map for years beyond the range of data. Such approaches can guide spatial management of resources and provide a complement to more data‐intensive, highly parameterized population dynamics and ecosystem models currently in use.     

扩散方程的孤子解法

利用一维波动方程行波解的形式,通过变量替换．再引入双曲正切函数作为独立变量并利用其独特的微分关系给变换,将扩散方程简化为常微分方程．由此得出它的解．此解可做为物理学中’非线性方程的实例．尽管不是所有的非线性波动方程都百丁以用此法来处理．但它缩短了线性和非线性波动理论之间的距离．     

二元立木材积模型的联立方程组估计方法

文章以兴安落叶松为例,使用联立方程组模型方法建立二元立木材积模型,该方法有效解决了二元立木材积模型的建模和预估前提不一致问题.在联立二元立木材积模型的估计中,分别采用了通常非线性估计方法和两步估计方法进行研究.研究结果证明:两种方法都能对模型进行估计,但两步估计可进一步减小系统偏差,达到通用性模型误差限要求,两步估计方法优于通常非线性估计.     

差分生长模型预测误差的分析

差分模型是一种特殊随机参数模型,仅有一个参数为随机参数。对于未参与抽样建模的林分,差分模型首先对应变量在林龄Aij0时的期望函数求解关于随机参数的表达式,然后用非随机参数的估计值和应变量在Aij0时的观测值Yij0分别取代对应参数和数学期望E(Yij0)来估计随机参数。显而易见,Yij0相当于E(Yij0)的估计值。由于这种特有的统计特征,经典非线性回归模型不能准确地估计差分模型预测误差的方差。针对这一不足,依据非线性回归模型预测误差的方差估计量的推导过程,导出了一个适用于差分模型的预测误差的方差估计量,并给出一个应用示例。所提出的估计量充分地考虑了重复观测数据的自相关性和Yij0对预测的影响作用。结果表明,该估计量能够描述未抽样林分预测误差的方差及其构成分量的变化趋势,而对于抽样建模的林分应该使用非线性回归模型的估计量进行预测误差分析。