基于CART重要度排序和混合ELM模型的蒸散预测

准确地预测区域蒸散有助于区域水资源的合理利用,减少水资源浪费。为从多项气象因子中筛选出核心因子,构建少因子蒸散预测模型,高效精确预测蒸散,该研究在九大农业区选取23个典型站点,搜集降水量、日照时数等8个气象因子数据,使用分类回归树（classification and regression tree,CART）对气象因子进行重要度排序。基于排序结果,选取排序前3～5项气象因子,基于极限学习机（extreme learning machine,ELM）模型对蒸散进行预测。同时,使用遗传算法（genetic algorithm,GA）,粒子群算法（particle swarm optimization,PSO）,麻雀搜索算法（sparrow search algorithm,SSA）对ELM模型进行优化,并使用这3种优化算法（GA-ELM、PSO-ELM、SSA-ELM）构建少因子混合优化蒸散预测模型。结果表明：1）基于CART算法重要度排序结果,蒸散的主要影响因子依次是降水量、日照时数、平均本站气压、日最高气温、平均相对湿度。2）3种优化算法预测模型中,PSO-ELM模型的预测精度最高,23个站点的蒸散预测的均方根误差为6.608～22.077 mm/d,纳什效率系数为0.824～0.998,R²为0.908～0.995,平均绝对误差为5.075～16.677 mm/d。3）ELM模型在云贵高原区和四川盆地及周边地区有较好的适用性,3种优化算法在华南区和云贵高原区有较好的适用性,其中PSO-ELM模型的适用性最高。研究结果为中国九大农业区域的作物需水量计算提供参考。     

洞庭湖流域降水多尺度特征与趋势预测及空间分布规律

对降水的多尺度周期规律进行研究,可以深层次分析降水特征及演变趋势,能够为水资源系统决策提供依据。以洞庭湖流域为研究对象,以流域11个代表性雨量站1958-2009年降水资料为基础,采用小波分析法,研究了各站年降水多尺度周期特征以及演变趋势,进而分析了其空间分布规律。结果表明:小波分析法在水文、气象等非稳定信号序列的多尺度特征分析与趋势预测中独具优势;洞庭湖流域不同地区年降水多尺度周期特征具有较明显的空间分布规律,而不同地区年降水的演变趋势大致相同,整体将处于降水偏少状态。     

基于粒子群的水库群联合防洪预报调度规则设计方法

科学合理的水库群联合调度在缓解日趋紧张的水资源供需矛盾及充分发挥水库防洪兴利综合效益等方面发挥着重要的作用。为解决梯级水库群联合调度规则制定过程中的复杂问题,结合洪水预报信息的可利用性,提出基于粒子群算法的梯级水库群联合防洪预报调度规则设计方法。该方法首先通过粒子群算法调节不同频率设计洪水求解最优联合调度方案,其次拟定多个合理联合调度规则,最后比较最优联合调度方案和合理联合调度规则的调洪结果,与前者最为接近者即为满意联合调度规则。昭平台-白龟山梯级水库群的实例表明,制定的联合预报调度规则的调洪结果均满足防洪约束要求,故是安全的。     

柠条联合收获机拨齿式输送机构分析

柠条生长几年后木质化程度很高、韧性很好,目前成熟的作物收获装备不能完成柠条的机械化收获。在创新柠条联合收获装备的设计中,输送机构是关键部件。为此,针对柠条的生长特性和柠条联合收获装备设计性能要求,对选用的拨齿式输送机构进行了相关运动学、动力学分析,确定了拨齿板数量、拨齿齿形、高度、齿角及拨齿个数等基本参数,分析了柠条以横进、竖进、侧进3种不同方式进入输送装置时拨齿的受力情况。同时,根据收割机喂入量与输送量的关系,计算得出:收割机前进速度为2m/s时,输送机构第一级拨齿辊转轴匹配转速为100r/min。