浅谈如何保障农产品质量安全

"民以食为天",如果食品的质量安全得不到保证,就会直接影响人体健康,甚至危及生命.而农产品绝大多数是食品或食品的加工原料.     

小波神经网络在降水量预测中的应用研究

根据吉林西部的自然条件,运用小波神经网络方法,分别对乾安、通榆、扶余三个地区1957-2010年的月降水量资料进行分析,利用多组输入输出数据对模型进行训练,最终分别确定上述三地区任35a的相应降水量值与之后10a每年月降水量最大值、最小值及平均值之间的映射关系,并预测这三个地区2011-2020年的降水量值。与前人利用一组输入输出数据对模型进行训练不同,本文利用多组输入输出样本对模型进行训练。使模型更可靠,更贴近实际,进一步提高了模型的精确性。结果表明:采用小波神经网络方法对降水量进行预测,方法可行、精度较高、结果可靠;上述三地区2011-2020年平均降水量较1957-2010年平均降水量偏少,处于降水量变化周期的枯水期。降水量预测可为当地的防洪、抗旱工作提供依据。     

基于小波神经网络方法的降水量预测研究

小波神经网络作为国际上新兴的一种数学建模分析方法,充分继承了小波变换良好的时频局部化性质及神经网络的自学习功能和极强的非线性能力等优点.降水量预测模型中神经网络选择BP网络,隐含层激发函数选取Morlet小波,并利用MATLAB编写预测程序,运用吉林西部地区白城、长岭、前郭3个测站1957-2010年的降水资料对模型进行训练、检验,进而预测三站未来十年的降水量.研究结果表明,小波神经网络预测模型对降水量的变化趋势预测准确,结构简单,收敛速度快,具有较高的实际应用价值,但其对于降水量具体值的预测精度有待于进一步提高;未来十年,吉林西部地区将处于降水量变化周期的丰水阶段,各相关部门应根据实际情况做好相应的准备.     

水稻各生育阶段分别受旱条件下产量及敏感系数差异性研究

水稻整个生育期的生长需要经过不同的6个生育阶段,分别是返青期、分蘖期、拔节孕穗期、抽穗开花期、乳熟期和黄熟期,每个生育阶段的需水量不尽相同.其中,返青期需要返青活苗,这个时期必须保证供应足够的水量以使得稻苗成活;黄熟期需要落干晒田,不需要进行水量补充;其他4个生育期对水量的要求各不相同.在试验的基础上,研究在中间4个生育期内给予水稻不同的受旱处理,分析其最后的产量差异及各个生育期的水分敏感系数(缺水系数)的大小,结果表明,对于缺水最为敏感的时期是抽穗开花期,其次是拔节抽穗期,最后是分蘖期和乳熟期.试验的研究可以为今后灌区水稻的分阶段灌溉提供合理的依据,把宝贵的水资源用在最重要的环节,为灌区制定合理的灌溉制度提供参考.     

基于ArcGIS的潮白河地下水库三维地质建模及动态模拟

三维地质建模是实现地质信息可视化的一种重要手段。通过收集、分析北京市潮白河冲洪积扇地质及水文地质资料,开发运用ArcGIS软件的三维可视化应用程序ArcScene,对钻孔数据进行样条插值,采用基于面的建模方法建立了潮白河地下水库三维地质结构模型。同时,在此基础上,利用ArcScene中的Animation工具条,通过控制潜水面的升降模拟地下水库补给与消耗的动态变化,建立地下水库动态模拟展示模型。模型形象地展示、模拟了研究区地下水库地质结构特征及地下水库补给与消耗的动态变化特征,为地下水库的分析与建立提供技术支持,且为以后利用ArcScene进行三维地质建模提供依据。     

小波神经网络在白城地区浅层地下水埋深预测中的研究

针对白城地区浅层地下水位动态变化的复杂性和非线性,采用小波分析和人工神经网络相结合的小波神经网络模型(WA-ANN)对白城地区浅层地下水埋深进行分析和预报。将研究区5口井2002-2009年逐月的降水量、蒸发量、人工开采量和前期水位埋深4个因素作为输入层,地下水埋深作为输出层,建立浅层地下水埋深预测模型,并采用"后验差"法对模型精度进行检验。检验结果表明,WA-ANN模型能很好地模拟该区地下水埋深变化规律,且拟合和预报精度均较高,相对误差小于10%。2010年以后的预报结果显示研究区地下水位呈逐年下降趋势,预计到2015年将下降1m,应及时加以控制。同时,笔者希望本次研究能为浅层地下水埋深预测提供一种新的途径。     

基于支持向量机的吉林西部地下水水质评价

采用支持向量机方法,结合吉林西部地下水环境特征及水质监测资料,选取硫酸盐含量、氨氮含量、氯化物含量、氟化物含量、总硬度及溶解性总固体量作为评价因子,对吉林西部地下水进行水质评价,并与综合评价法所得评价结果对比分析.结果表明,研究区内地下水多为Ⅳ类和Ⅴ类水,少部分为Ⅱ类和Ⅰ类水.通过对比表明,支持向量机方法可以较好的实现水质评价,评价结果更为切合实际,为合理开发及保护研究区地下水资源提供了科学依据.