基于BP神经网络的人机联合率定SWMM研究

为解决雨洪管理模型(SWMM)在率定过程中参数复杂、过程繁琐等问题。以西宁市某地块为例建立SWMM模型,利用Morris筛选法进行参数灵敏度分析,并根据灵敏度分析的结果进行人工率定;另外利用BP神经网络对模型进行率定,并结合参数灵敏度对其进行优化。对3种率定方案进行分析,结果表明:水文水力模块参数的相对灵敏度基本一致,其中灵敏度较大的参数为子汇水区面积(Area)、不透水率(Imperv)和不透水区洼地蓄积量(Destore-Imperv),并且不同降雨条件下模型参数的灵敏度存在差异。经过优化后的BP神经网络参数率定方法的模型模拟效果最好,纳什系数最大。结合灵敏度优化BP神经网络的人机联合率定方法一方面能提高BP神经网络率定的准确性,另一方面又能提高传统人工率定的效率。     

基于VGGNet网络的雾霾无人车防碰撞研究

针对雾霾天气下无人车行驶容易出现视野受限，导致防碰撞能力下降的问题，提出了一种基于VGGNet网络的深度卷积神经网络模型，通过反向传播算法不断调整模型的权重和偏置，对收集雾霾天气下的图像和相关数据进行处理，实现模型的训练和优化。实验结果表明，所提出的方法可以有效地提高无人车在雾霾天气下的防碰撞能力，达到了良好的效果。研究结果可以为无人车行业在特殊气候条件下的防碰撞提供了一种新思路和实现方法，具有一定的参考价值和应用前景。     

基于WT-CNN-LSTM的溶解氧含量预测模型

溶解氧（Dissolved oxygen, DO）含量是影响水产养殖产量的重要因素之一，具有时序性、不稳定性和非线性等特点，且其影响因子过多、存在复杂的耦合关系，难以实现精准预测。针对传统长短时记忆神经网络（Long short term memory, LSTM）预测模型易引入冗余数据，且在训练过长序列时会出现梯度消失现象，从而不能捕捉因子间长期的依赖性问题，提出了基于小波变换（Wavelet transform, WT）、卷积神经网络（Convolutional neural network, CNN）和LSTM的溶解氧含量预测模型。首先，使用WT降低数据噪声；然后，使用CNN深度挖掘各变量之间的潜在关系；最后，利用LSTM的时序性预测2h后的水产养殖溶解氧含量。结果表明，本文提出的WT-CNN-LSTM模型预测效果良好，其平均绝对误差、均方根误差和决定系数分别为0.138、0.229和0.954，比传统LSTM模型分别优化了28.87%、21.03%和4.61%。     

关于时花种植栽培技术及养护管理探讨

时花,即当季的时令花卉,色彩丰富、表现形式多样化、亲民化,在园林景观绿化及节日庆典中具有非常重要的美化环境及观赏作用。其花卉品种、功能及配植方式值得我们认真研究。     

基于BP神经网络对薇甘菊预处理方法的选取

以入侵植物薇甘菊高光谱图像为研究对象,基于4种预处理方法对薇甘菊高光谱图像进行降低噪声处理,分别研究了基于主成分分析的特征提取方法和基于BP神经网络的分类模型,筛选出薇甘菊高光谱识别的最优预处理方法,以实现薇甘菊的快速准确识别。结果显示,预处理方法为一阶、二阶微分的识别率分别为81.2%和76.92%;标准正态变量变换(SNV)和一阶微分+SG平滑的识别率分别为89.74%和87.18%。多次试验得到基于SNV预处理方法的识别率最稳定,即得到最优预处理方法为SNV。     

基于CNN的小麦籽粒完整性图像检测系统

为了快速、准确识别小麦籽粒的完整粒和破损粒,设计了基于卷积神经网络(CNN)的小麦籽粒完整性图像检测系统,并成功应用于实际检测中。采集完整粒和破损粒两类小麦籽粒图像,对图像进行分割、滤波等处理后,建立单粒小麦的图像数据库和形态特征数据库。采用LeNet-5、AlexNet、VGG-16和ResNet-34等4种典型卷积神经网络建立小麦籽粒完整性识别模型,并与SVM和BP神经网络所建模型进行对比。结果表明,SVM和BP神经网络所建模型的验证集识别准确率最高为92. 25%; 4种卷积神经网络模型明显优于两种传统模型,其中,识别性能最佳的AlexNet的测试集识别准确率为98. 02%,识别速率为0. 827 ms/粒。基于AlexNet模型设计了小麦籽粒完整性图像检测系统,检测结果显示,100粒小麦的检测时间为26. 3 s,其中,图像采集过程平均用时21. 2 s,图像处理与识别过程平均用时为5. 1 s,平均识别准确率为96. 67%。     

基于径向基函数神经网络模型的桃江县森林碳储量估测

量化森林碳储量对森林经营者的正确决策至关重要。本文以湖南省桃江县为研究区,根据2013年森林资源一类调查数据和Landsat 8遥感影像,建立多元逐步回归、偏最小二乘回归和径向基函数神经网络模型,开展碳储量的估测方法比较。结果表明:三种方法中,径向基函数神经网络模型估测森林碳储量效果最好,决定系数达到0.645,相对均方根误差为15.582 t·hm~(-2);其次为偏最小二乘回归模型,决定系数和相对均方根误差分别为0.511和17.135 t·hm~(-2);多元逐步回归模型精度最低,决定系数和相对均方根误差分别为0.431和18.105 t·hm~(-2)。径向基函数神经网络模型反演的研究区森林碳储量分布图表明,海拔高的地方碳储量较大,城区碳储量较小,与实际植被分布情况一致。     

低频声波频率下瘤背石磺CaM-like、CaMKII基因的表达及功能

长期栖息于潮间带的动物能够感知当地的潮汐规律,形成潮汐记忆的能力。本研究以栖息于潮间带的瘤背石磺(Onchidium reevesii)为对象,研究其通过感知潮汐来临时产生的低频声音来调节其行为与潮汐节律相协调的分子机制。通过RACE-PCR技术克隆到CaM-like基因的cDNA序列,并进行生物信息学分析和qRT-PCR实验。结果显示,瘤背石磺CaM-like基因的cDNA全长2321 bp,包括5′非编码区(UTR)366 bp,3′非编码区(UTR)1337 bp,618 bp的开放阅读框编码206个氨基酸;预测该基因编码的多肽链的原子数量是3165,分子量约为23029.64 kD,理论等电点4.64,分子式是C_(1018)H_(1544)N_(274)O_(320)S_9。N端信号肽由29个氨基酸组成。氨基酸序列比对构建系统进化树,结果显示瘤背石磺CaM-like基因与静水椎实螺(Lymnaea stagnalis)、光滑双脐螺(Biomphalaria glabrata)的CaM-like基因的亲缘关系最接近,这与传统形态学分类相吻合。在实验室内模拟潮汐中低频声音刺激瘤背石磺,应用qRT-PCR检测CaM-like基因在不同组织的分布情况,结果显示CaM-like mRNA在瘤背石磺不同组织均有表达,但神经节部位的表达量显著高于背部皮肤、腹足、肠、肝胰腺、口器和蛋白腺等组织(P0.05),推测其可能参与神经系统的可塑性调节。荧光定量结果显示CaM-like、CaMKII基因分别在25 Hz和50 Hz低频声波下刺激12.4 h表达量较高,初步推测其能感知25～50 Hz声波频率。这可能与栖息于潮间带中的瘤背石磺长期感知12.4 h半日潮潮汐周期节律,形成潮汐记忆有关。本研究将为进一步深入了解瘤背石磺感知潮汐节律的分子机制奠定基础,也为探究海洋动物由海洋向陆地进化过程中对环境的适应机制提供依据。