基于高分二号的旺业甸林场蓄积量估测模型研究

【目的】为了探究国产高分二号(GF-2)影像在林分蓄积量估测中的潜力,并找到最佳的蓄积量估测模型。【方法】本次实验以内蒙古旺业甸林场为研究区,以高分二号卫星影像为信息源,结合2017年10月份调查的75块样地以及同时期的GF-2影像数据,提取波段特征、植被指数和纹理特征等43个遥感因子作为候选变量,利用Pearson相关系数选择出与蓄积量显著相关的6个变量,采用多元线性回归模型(MLR)、BP-神经网络模型(BP-ANN)、随机森林模型(RF)、支持向量机模型(SVM)和K邻近模型(KNN)进行蓄积量的估测。以决定系数(R^2)、均方根误差(RMSE)、相对均方根误差(RRMSE%)作为5种模型的评价指标,选择出旺业甸林场的最佳蓄积量估测模型,并绘制了研究区的森林蓄积量分布图。【结果】4种机器学习模型的结果明显优于传统的线性模型,其中随机森林(RF)模型和K邻近模型(KNN)均得到了较高的精度,其中RF模型的R^2为0.66,均方根误差为55.2 m^3/hm^2,相对均方根误差为28.1%,KNN模型的R^2为0.64,均方根误差为57.6 m^3/hm^2相对均方根误差为29.3%。【结论】在利用高分二号数据进行旺业甸林场蓄积量估测时,RF和KNN模型在估测针叶林蓄积量时相比于其他模型可以取得更好的结果。     

基于阿克曼率的整车操稳性研究

阿克曼特性对整车操稳性具有重要影响。对市面上某款轿车前悬架总成进行研究,在ADAMS/Car中建立多体动力学模型,并根据台架试验对悬架模型进行了验证,通过仿真分析发现悬架的阿克曼转角缺陷。针对这一问题,综合运用灵敏度分析、曲线回归拟合、加权平方和优化算法,对悬架的硬点调整实现优化设计。试验结果表明,该方法有利于提升悬架的整车操稳性。对工程实践和底盘悬架设计有一定的参考价值。     

基于差分理论的混凝土温度参数反演模型的GA算法研究

混凝土温度参数对于混凝土温控防裂具有重要意义,采用差分算法,对混凝土温度场进行仿真计算,依据实测温度数据,对仿真计算进行误差分析,并建立基于实测数据的反演模型,针对反演模型的具体特性,构建了GA算法,通过反演模型的求解计算,可以确定更符合实际情况的混凝土温度参数,从而为混凝土温度参数的合理确定以及后续温控计算提供参考。     

C语言教学改革

C语言以其功能强大、使用灵活、应用广泛等特点被首选为计算机语言教学,但是因其涉及概念多、灵活性大、学生普遍感到难学。针对当前C语言教学存在的问题,从教学内容、培养学生学习兴趣、教学方法等方面提出了相应的措施。     

在树柑橘果实识别与定位技术发展现状及展望

柑橘是我国三大水果之一,近年来,随着农村劳动力紧缺加剧,柑橘果实采摘成本大幅增加。为缓解这一矛盾,国家加大了对农机装备智能化的重视与支持,智能农机装备研发进入了快速发展期,一些智能化技术已在相关农业产业实现了应用。但是,在柑橘果实无人采摘方面,技术尚未成熟,也缺乏实际应用,关键瓶颈是在树柑橘果实的快速精准识别与定位。本文探讨了目前国内外在本领域的研究进展及其在实际应用中的优势与缺陷,具体分析了存在的瓶颈难点,介绍了在本研究领域颇具潜力的基于点云数据的目标识别与定位技术,总结了其在柑橘果实识别与定位中可能面临的挑战,并对此领域的后续研究进行了展望。     

基于移动学习的C-PBL教学模式在农林类专业中的应用研究

本文针对移动学习中C-PBL 教学模式进行分析，并根据C-PBL 教学模式的特点，重点研究 该种教学方法在高职农林类专业中的实际应用，以期提供一定参考。     

食用菌电子商务销量预测模型

为了对食用菌电子商务销量进行准确预测,设计了基于深度学习的预测模型。在对食用菌销量数据进行预处理的基础上,采用卷积神经网络建立了销量预测训练模型。通过100个样本训练集的输入,可以达到99%的准确率,能够满足食用菌销量预测模型的精度要求。     

一种基于状态空间模型的进化算法

传统进化算法主要通过选择、重组和变异这三种遗传操作实现种群的进化。在进化过程中通常需要设定群体规模、交叉概率和变异概率等参数，而且它们的值会直接影响计算结果及精度。为了简化操作过程，设计一种基于离散系统状态空间模型的进化算法，这种算法采用实数编码方式，构造一个状态进化矩阵来实现重组和变异的功能，提高算法的可操作性和可靠性。并将该算法应用于求解无约束全局优化问题，对几种典型的测试函数进行仿真，结果表明：这种新的进化算法具有搜索能力强、收敛速度快、计算精度高、操作简单等优点，对相关研究有参考作用。     

基于互联网教育的高校食品学科互动研讨式课程建设思考

互联网的兴起改变了人类文明的传播速度,也正在潜移默化地启动了现代教育的变革。高校教学是一个复杂的教育网络,学科的差异致使基于学科的教学方法出现了截然不同的反差。而互联网的出现,使得高校课堂出现了前所未有的同质化改革方向,然而在推动高校不同学科课堂教学改革的步伐上,却出现了大相径庭的结果。食品学科作为高等教育轻工类一个重要的分支,基于互联网教学的浪潮,开展互动研讨式的课程实践,对推动成果导向教育(OBE)理念、深化高校食品学科的课程创新、探索食品学科课程教学新模式具有重要的实践意义。     

基于Sentinel-2影像和机器学习算法的冬小麦秸秆覆盖度遥感估算

为探究大范围小麦秸秆覆盖度(CRC)估测方法，以冬小麦秸秆为研究对象，基于Sentinel-2遥感卫星影像光谱指数、波段和纹理特征及其不同特征组合，利用灰色关联-随机森林(GRA-RF)敏感特征提取方法，结合高斯过程(GPR)、套索(LASSO)、岭回归(RR)和偏最小二乘(PLSR)等多种机器学习算法，开展小麦CRC估算的最优模型研究。结果表明，基于GRA-RF特征优选后的机器学习模型显著改善了小麦CRC的估算精度，LASSO算法总体对小麦CRC的估测效果最佳，并且针对不同的光谱特征组合表现出差异化的结果。其中，以光谱指数、波段和纹理信息构成的组合特征集构建的CRC遥感估算模型精度最优(r²=0.65,RMSE=9.25%),以波段与纹理两者组合特征估算的CRC精度次之(r²=0.63,RMSE=9.31%),仅利用单一的光谱指数、波段或者纹理特征估算冬小麦CRC的精度均劣于组合特征的结果。这说明应用GRA-RF组合筛选方法能够有效优选秸秆覆盖度的光谱特征；相比于单一特征，光谱指数、波段、纹理信息等构成的组合特征更能有效地监测小麦秸秆覆盖度...