基于Copula 函数的边坡可靠度高效分析方法

将Copula函数与高效蒙特卡洛方法结合,提出了含相关随机变量的边坡可靠度高效分析方法。以两个岩质边坡稳定性问题为例验证了所提方法的有效性。结果表明,该方法相比于直接蒙特卡洛方法在保证边坡失效概率的准确性的同时计算效率更高。Copula函数可以构造出具有不同相关结构的岩土体参数的联合概率分布,与高效蒙特卡洛方法(即蒙特卡洛重要抽样方法和子集模拟)结合能高效地处理含多种相关随机变量的边坡可靠度计算问题,相比于现行的Nataf变换方法结果更能体现岩土边坡真实稳定性。此外,该方法也能高效地计算含有复杂的隐式功能函数的边坡可靠度,研究成果拓展了高效蒙特卡洛方法在边坡可靠度分析中的应用。     

稀土元素示踪法探究坡面侵蚀进展与热点——基于CiteSpace计量分析

稀土元素示踪法从上世纪90年代开始逐渐被相关学者重视,并在坡面土壤侵蚀的研究中得到越来越广泛的应用。笔者采用CiteSpace软件和文献计量学方法,以Web of Science数据库核心合集和中国知网(CNKI)数据库核心期刊为数据源,分析了近30年国内外稀土元素示踪法在坡面侵蚀研究的发展历程。研究发现:①总体而言,国内稀土元素示踪法在坡面侵蚀中的应用在理论和实践层面已经从初步探索走向了成熟;②随着研究的深入,稀土元素示踪法的研究与相关学科交叉更加密切,并在微观探索和宏观调控方面取得一定进展;③未来发展趋势来看,宏观方面趋向和生态系统、气候变化等互相作用机理的研究,微观方向趋向对团聚体等微观颗粒的迁移研究;④在国际相关研究方面,对于稀土元素示踪法在坡面侵蚀的应用从多个方面和角度做了大量的研究,我国的相关研究相较于国外顶尖水平的研究仍存在一定差距。     

基于PSO-SVR模型的河南省小麦产量预测方法

小麦生产是河南省农业生产中的重要环节，在维持粮食供应和安全方面发挥着重要作用。对小麦产量进行准确预测可以为农业经济调控、政策制定提供重要性信息。为提高小麦产量预测精度，综合考虑影响小麦产量的相关因素，基于皮尔逊相关系数分析特征变量与产量之间的相关性。选取支持向量回归(support vector regression, SVR)模型解决小麦估产中的复杂性、非线性及小样本等问题。引入粒子群算法(particle swarm optimization, PSO)对SVR模型的惩罚因子(c)和核参数(g)进行优化，提高SVR模型的预测精度。以河南省1978—2019年小麦产量数据及其特征变量数据构建数据集，并与BP、Elman等神经网络模型及优化模型进行对比仿真试验。结果表明，PSO对SVR模型的优化效果明显高于传统的神经网络，PSO-SVR模型预测结果的4项评价指标均优于其他模型。其中，PSO-SVR模型的平均绝对百分比误差MAPE为0.87%,与SVR模型相比误差降低了57.4%、与PSO-BP模型相比误差降低了64.8%。PSO-SVR模型能够提高小麦产量预测精度，稳定性好，可为小麦产...     

黏土矿物组合类型对泥岩盖层排替压力的影响——以三水盆地布三段为例

为研究黏土矿物组合类型对泥岩盖层排替压力的影响,以三水盆地布心组三段(简称布三段)泥岩为研究对象,开展了岩石矿物分析,并针对不同黏土矿物组合的泥岩开展排替压力测试,进而分析排替压力特征及其影响因素.研究结果表明,布三段泥岩有2种不同的黏土矿物组合类型:类型1为伊利石+高岭石+伊-蒙混层组合,主要分布于盆地西北部宝月背斜;类型2为伊利石+高岭石+绿泥石组合,主要分布于盆地东南部东部斜坡-华涌凹陷;布三段1150m左右的泥岩全部样品排替压力介于7.43～13.76MPa,平均值10.25MPa;其中类型1的泥岩样品排替压力介于9.51～13.76MPa,平均值11.40MPa,为一类盖层指征;类型2的泥岩样品排替压力介于7.43～9.68MPa,平均值8.87MPa,为二类盖层指征;当黏土矿物中伊-蒙混层含量升高时,泥岩盖层排替压力较高,封闭能力较强;当泥岩黏土矿物中绿泥石、高岭石含量升高时,泥岩盖层排替压力降低,封闭能力相应降低;这3种黏土矿物的膨胀性、可塑性的排序为伊-蒙混层＞高岭石＞绿泥石,因此其含量对于泥岩盖层封闭性产生直接影响.该研究可为该区有利盖层条件预测和类似岩性盖层研究提供参考.     

烟籽油提取工艺的优化及脂肪酸评价

研究压榨法和索氏提取法对烟草种子出油率及脂肪酸成分的影响,实现烟籽油提取工艺的优化。结果表明,索氏提取法不同溶剂提取效果依次为正己烷>石油醚>95%乙醇;用正己烷在85 ℃提取8 h,料液比为1∶20 mg·L^-1时提取率为49.32%;用石油醚在50 ℃提取8 h,料液比为1∶25 mg·L^-1时提取率为46.21%;用95%乙醇在95 ℃提取8 h,料液比为1∶20 mg·L^-1时提取率为11.43%。压榨法进料量为80 g、压榨温度为200 ℃时提取率最高,为35.82%。对比分析3种索氏提取法和一种压榨法提取的烟籽油中脂肪酸组分表明,索氏提取法和压榨法获得的烟籽油脂肪酸含量差异不显著。     

2021年1月世界农产品供需形势预测简报

根据美国农业部2021年1月期《世界农产品供需预测报告》,2020/2021年度世界主要农产品供需预测结果简述如下。1谷物2020年12月和2021年1月,世界谷物供需预测变化见表1。2020/2021年度世界谷物供应量将达35.24亿t,较2019/2020年度估算值增加4 521万t,比2020年12月预测值下调908万t。2020/2021年度世界谷物产量将达27.14亿t,较2019/2020年度估算值增加4 260万t,比2020年12月预测值下调838万t。     

酒糟和醋糟营养成分差异及其瘤胃降解特性分析

本试验旨在评价酒糟、醋糟等非常规饲料资源的饲用价值，为酒糟醋糟资源应用于肉牛养殖提供数据参考。试验选用山西不同地区酒糟、醋糟试样5个，试样编号分别为白酒糟、啤酒糟、醋糟1、醋糟2、醋糟3，发酵原料分别为白酒糟（高粱）、啤酒糟（大麦+大米）、醋糟1（高粱+大麦）、醋糟2（大麦+玉米）、醋糟3（高粱+玉米）。通过实验室常规方法测定样品常规营养成分以及利用体外产气法和尼龙袋法评价其饲用价值，同时建立体外法与尼龙袋法测定干物质降解率的回归方程。结果表明：5个样品的干物质（DM）含量为23.25% ~ 42.96%，粗蛋白质（CP）含量分别为啤酒糟（31.84%）>白酒糟（14.58%）>醋糟3（14.40%）>醋糟1（12.21%）>醋糟2（8.46%）。醋糟1的中性洗涤纤维（NDF）、酸性洗涤纤维（ADF）含量均为最高，其次为醋糟2、醋糟3，白酒糟NDF含量最低。啤酒糟的72 h产气量（GP72）显著高于白酒糟（P < 0.05）。体外产气法和尼龙袋法测定的酒糟72 h干物质降解率（IVDMD72、DMD72）显著高于醋糟（P < 0.05）。5个试样的IVDMD72与DMD成正相关，随着降解时间增加其相关性逐渐增加。综上，酒糟的CP含量较高（14.58% ~ 31.84%），醋糟NDF、ADF含量相对较高（59.59% ~ 64.91%，38.78% ~ 54.78%）。结合GP、IVDMD及DMD结果，酒糟消化性能优于醋糟。以IVDMD建立估算DMD的回归公式为DMD72=-19.215+1.645IVDMD72（R2=0.912，P < 0.05）|以IVDMD建立估算DM有效降解率（ED）的回归公式为ED=-12.448+1.045IVDMD72（R2=0.929，P < 0.01）。 [关键词] 醋糟|酒糟|体外产气法|尼龙袋法     

任务驱动法在“汽车机械基础”课程教学中的探索

本文以任务驱动法在“汽车机械基础”课程教学中的实践应用为研究对象,分析任务驱动教学法的概念与含义,从合理化设计学习任务、开展小组合作探究以及多媒体教学等方面阐述这一教学方法的有效应用策略,仅供参考。     

桃蛀螟和松蛀螟的外部形态学和几何形态度量学研究

[目的]桃蛀螟[Conogethes punctiferalis(Guenée,1854)]和松蛀螟(C.pinicolalis Inoue&Yamanaka,2006)是重要的农林业害虫,前者属重大蛀果害虫,为害多种果树和农作物且会造成巨大的经济损失.二者具有同域分布、外部形态和外生殖器解剖结构差异甚微等特性,不仅为区分2种害虫带了很大困扰、而且对准确预测它们的发生期也带来了困难.[方法]本研究整合应用外部形态学和几何形态度量学探索区分2种害虫的有效途径.几何形态度量学研究以前翅斑点为依据,基于地标点法使用TPSdig选取地标点,然后应用MorphoJ开展地标点数据的主成分分析.[结果]外部形态学的比较研究证实下唇须和后足的性状能够较好地区分2种害虫的雄性个体,但雌性个体不易区分;几何形态度量学分析显示基于桃蛀螟和松蛀螟地标点数据的主成分分析可有效地将2个物种区分开来.[结果]几何形态度量学在区分农林业害虫相似种类具有较显著的优势和重要的应用价值.     

吕梁山地区植被物候变化及对气候的响应

吕梁山地区地形垂直差异明显,植被对气候变化反应敏感,研究吕梁山地区植被物候变化,探索植被物候变化与气候的响应关系,旨在为高海拔山区植被物候研究和生态治理提供借鉴。基于2000—2015年MODIS NDVI时间序列数据,通过动态阈值法提取吕梁山地区的植被物候,对气温、降水进行空间插值,并对植被2个关键物候期与气候因素进行偏相关分析。结果表明：（1）植被生长季开始日期(the start of the growing season,SOS)提前的区域约占85.7%,其中16.2%显著提前;植被生长季结束日期(the end of the growing season,EOS)推迟的区域约占90.6%,其中33.3%显著推迟。（2）区内74.8%、87.7%植被SOS分别与气温、降水呈负相关,气温升高或降水增加,植被SOS提前。植被SOS在高海拔山区受4月气温影响显著,而低海拔地区受4月降水影响显著。（3）区内72.6%、65.1%植被EOS分别与气温、降水呈正相关,气温升高或降水增加,植被EOS推迟。植被EOS在北部和西部地区受11月气温影响显著,而高海拔地区受9月降水影响显著。2000—2015年吕梁山地区植被物候发生显著变化,各地区对气温、降水的响应不同,研究结果可为区域物候、气候变化研究和陆地生态治理提供科学依据。