基于LSTM的活立木茎干水分缺失数据填补方法

【目的】研究植物茎体水分数据,针对相同数据段上的缺失数据,对比不同数据填补方法,验证LSTM模型填补茎干水分数据的有效性及准确性。【方法】选取2017年6月份栽种在北京市海淀区的紫薇树茎体水分完整数据,人工删去部分数据作为缺失数据,分别使用插值方法、RNN神经网络、LSTM神经网络对缺失部分进行填补,填补结果与原始数据比对并分析结果。基于神经网络预测值误差随预测时刻推后而增大的误差分布情况,本文提出了在神经网络预测值基础上加入对数据后期处理的方法:从缺失数据的正向和反向进行预测,将2个方向的预测值各自乘以一组按照预测时刻递减的权重值并相加,结合2个预测方向的优势,进一步提高预测准确度。【结果】3种方法中,RNN与LSTM神经网络方法较传统的插值方法优势明显:插值方法准确度在缺失值增多时迅速下降;神经网络方法下降速度较慢。当填补值与真实值误差在2%以内作为准确时,插值方法的填补准确率不足50%,RNN方法达到50%且不足60%,LSTM方法达到80%以上;当填补值与真实值误差在4%以内作为准确时,插值方法填补准确率为60%,RNN方法准确度最高达到90%,LSTM方法准确率在95%以上。在此基础上加入权重处理,对LSTM预测结果处理后误差在2%以内准确率达到97%,误差在3%以内准确率达到100%。选取一组测试数据代入模型,预测结果比训练数据预测结果精度有所下降,但双向预测方式优势更加明显。【结论】采用基于LSTM模型的双向综合预测法,可显著减小长期预测中的累计误差对预测结果的影响,提升了预测数据的准确度。与其他两类数据填补方法相比,基于LSTM神经网络的数据填补方法在长期缺失的时间序列数据填补上有较大优势。     

互联网平台经济下的茶品开发框架性建议

基于互联网平台的茶品开发,是当代茶叶企业产品开发与营销的主要趋向。基于互联网技术的支持下,茶品开发会更加多元化、更具时代性,本文就针对互联网平台经济下茶品开发框架性建议进行几方面研究。     

中草药青蒿(Artemisia annua L.)的实时荧光PCR检测

中草药青蒿,学名黄花蒿(Artem isia annuaL.),属于中国独有的抗疟药用植物资源之一。根据蒿属植物rDNA ITS序列多态性设计TaqM an探针及引物,通过实时荧光PCR方法对黄花蒿进行检测。结果表明:该组探针-引物对黄花蒿有很强的特异性,除黄花蒿外,其余8种对照蒿属材料均未检测到荧光信号。该方法快速、简便、安全、准确,适用于黄花蒿的出入境检验。     

土壤硝态氮含量原位检测系统设计

针对现阶段土壤硝态氮测量成本较高、无法长期原位测量等问题,该研究提出了一种使用钛烧结滤芯收集土壤溶液,通过近红外光谱法检测土壤溶液中的硝酸根浓度进而得到土壤中硝态氮含量的方法,并设计了相应的检测装置。通过试验对比陶土头与钛烧结滤芯在不同土壤条件下的土壤溶液收集效果,选用钛烧结滤芯作为土壤溶液采集器收集土壤溶液,以近红外LED作为测量光源,采集人工配置土壤溶液的光谱数据,利用BP神经网络进行预训练建立硝态氮含量预测模型。建立的硝态氮含量预测模型其训练集皮尔逊相关系数、测试集皮尔逊相关系数、预测均方根误差分别达到0.997、0.995、3.43。实地测量土壤溶液并与硝酸根离子电极以及土壤养分速测仪进行对比,最大相对偏差为5.9%,可满足实际测量准确性要求。该套检测设备在深度为10～40 cm、含水率为15%以上的土壤中有较好的土壤溶液采集效果;检测装置的长期测量标准差为0.006,动态响应时间为1.4 s,具有良好的特性。试验结果表明,使用溶液吸光度数据建立的硝态氮预测模型具有较好的预测效果,可以应用于土壤溶液硝态氮原位监测,为长期自动测量土壤硝态氮及水肥一体化系统的搭建提供了一种可行的方案。     

城市绿地彩叶植物搭配应用的多样性比较

为北方城市彩叶植物的引进、选择及合理化应用提供科学依据,采用实地随机调查方法,对黑龙江省牡丹江、齐齐哈尔和哈尔滨3个城市绿地系统彩叶植物搭配应用方式进行调查。结果表明:在牡丹江、齐齐哈尔和哈尔滨3个城市的各类绿地中,彩叶植物类型的搭配形式主要有乔木-乔木、灌木-灌木和乔木-灌木等,在空间上形成更具层次感的高低错落格局;3个城市均用乔木做行道树,糖槭和银中杨是3个城市的共用树种;3个城市彩叶植物种类的搭配形式主要有1种植物(单一植物)、2种植物和3种植物,从搭配形式多样性指数看,哈尔滨市和齐齐哈尔市乔木搭配应用的多样性指数高于灌木搭配,且乔木搭配的多样性指数为哈尔滨(1.096)牡丹江(1.037)齐齐哈尔(0.985),灌木搭配的多样性指数为哈尔滨(1.072)牡丹江(1.048)齐齐哈尔(0.753)。3个城市彩叶植物均与建筑和小品进行搭配使用,牡丹江还采用山石与植物进行搭配,齐齐哈尔采用水体与植物进行搭配,均能很好地丰富园林景观。     

基于序列信息的土壤CT图像超分辨率重建

受部分容积效应影响,土壤计算机断层扫描（Computed Tomography,CT）图像存在孔隙边界模糊现象,影响土壤孔隙结构研究的准确性。针对该问题,该研究提出基于序列信息的生成式对抗网络（Sequence information Generative Adversarial Network,SeqGAN）,实现土壤CT图像的超分辨率重建。针对土壤CT序列图像具有较高相似性的特点,SeqGAN法引入序列卷积块挖掘前后图像的序列信息,并将多重特征增强融合于目标图像中;利用多层残差块提取图像特征,构建残差块输入和输出的直接连接,以减少模型退化;利用对抗网络实现损失间接反馈,提高模型的特征学习能力。在序列相似性较高的土壤图像数据集验证了该方法性能。结果表明,SeqGAN法均方误差比次优方法GAN降低25%,峰值信噪比提升1.4 dB,结构相似性提升0.2%。重建的土壤图像具有较高准确率和清晰度,可为后续土壤物理学研究提供准确的数据基础。     

舒席竹编艺术在旅游产品设计中的应用

安徽舒城竹编自西汉至今已有几千年发展历史,始终是我国民间工艺和非物质文化遗产的重要组成部分,其蕴含的造物理念、传统美学思想、朴素材料应用观、绿色设计理念、可持续发展造物方式以及传统文化的思考,对未来旅游产品设计的发展有着重要的启示意义。     

基于CT扫描技术的土壤孔隙定量表达优化

现有土壤孔隙量化方法主要通过图像处理软件实现孔隙结构的辨识与分析,此类通用的图像处理软件或医学处理软件未考虑土壤内部物质的复杂多变性以及孔隙结构的细小和不规则性,从而导致孔隙分割精度低进而量化误差大,为解决这一问题,本文针对土壤CT图像的特点提出了一种孔隙量化方法。该方法主要包括图像处理和量化分析两部分:选用自适应中值滤波算法去除噪声对孔隙边缘的影响,并采用迭代最佳阈值法与Canny边缘检测算子相结合的方法,准确识别出土壤孔隙结构及轮廓线;运用数学统计方法定量研究土壤孔隙率、孔隙数目、分形维数、成圆率等几何指标,用以揭示孔隙结构的复杂性和不规则性,实现对土壤孔隙的量化分析。最后,以冻融循环作用下的土壤为应用对象验证该方法性能。结果表明,本文方法能精确地定位孔隙轮廓,有效地分割孔隙结构,而且通过多种孔隙几何指标的量化可揭示出冻融循环作用对土壤结构的影响,为孔隙几何特征和空间特征的量化表达奠定了基础。     

烟台大樱桃网络营销模式研究

根据对烟台大樱桃产业进行实地调研得到的信息,阐述其现有网络营销模式的发展状况及存在问题,分析深化网络营销的可行性和发展趋势,提出有利建议,促进烟台大樱桃网络营销模式的发展。     

基于切换字典的林区小气候监测数据压缩感知方法

为降低林区小气候监测站的数据传输功耗,提出了一种切换字典的数据压缩感知方法,在对样本数据进行特征表征与分类的基础上,合理切换使用离散傅里叶变换基（Discrete Fourier transform,DFT）固定字典或K-SVD（K-singular value decomposition）学习字典,对样本数据进行稀疏表达。采用高斯函数对样本数据进行拟合,以拟合决定系数R2和拟合均方根误差（RMSE）为切换因子,定义了字典的切换策略。选用空气温度、空气湿度、土壤温度、土壤湿度作为测试对象,实验验证切换策略的可行性。实验表明,在林区小气候监测站中,当稀疏度和压缩率均相同时,结合DFT和K-SVD两种字典的优势,基于切换字典的数据压缩感知算法比单一字典具有更小的重构误差。经功耗测试实验,当稀疏度K=16时,采用切换字典的数据压缩感知算法,使监测站的平均每日电能消耗降低了16.35%,保证了林区小气候监测站的低功耗运行和数据可靠传输。