排序方式: 共有15条查询结果,搜索用时 15 毫秒
1.
2.
3.
本文在研究国内农村信息化水平评价方法的基础上,根据河南省第二次农业普查数据及《河南统计年鉴2008》资料,采用层次分析法与层次聚类法,准确、全面、有效的实现了对河南省农村信息化水平的评价。该评价对于全面掌握河南省农村信息化基本情况,研究制订农村信息化发展规划和科学决策,更好地推进河南省社会主义新农村建设具有十分重要的意义。 相似文献
4.
从不同角度研究夏玉米LAI与其对应冠层反射光谱的相关性.结果表明,夏玉米LAI与冠层反射光谱的定量关系以由多个单波段建立的多元线性回归模型为最优,其次是由DVI(900,730)建立的三次多项式回归模型,再次是由SAVI(950,600)建立的幂函数回归模型. 相似文献
5.
6.
7.
8.
9.
基于冠层相对湿度的日光温室黄瓜叶片湿润时间估计模型 总被引:3,自引:3,他引:0
叶片湿润时间是日光温室作物病害预警系统的关键输入,基于相对湿度的叶片湿润时间估计模型(简称RH阈值模型)是最简便的估计模型之一。为了在日光温室实际环境中对模型参数进行校准和检验,以夏末秋初的日光温室盛果期迷你黄瓜为试材,以5 min为间隔自动采集冠层相对湿度数据,采用试错法、平均值法和叶湿频率法3种校准方法对RH阈值进行校准,分别获得相对湿度RH=90%、89%和93% 3个阈值,并采用均方根误差法、回归分析法以及一系列误差分析指标对校准结果进行检验。结果表明:试错法和平均值法的预测效果要显著好于叶湿频率法,误差一般在1~2 h左右;与本试验中普遍超过3 h的叶片湿润时间相比,RH阈值模型监测效果仍然可接受;验证结果中,平均值法的效果反而好于试错法,这说明在实际应用中不能仅局限于一种校准方法。该文总结的模型校准和检验方法,以及构建的基于冠层相对湿度的叶片湿润时间估计模型,可以用于日光温室黄瓜叶片湿润时间监测,符合日光温室黄瓜病害预警系统的要求。 相似文献
10.
为探明支持向量机回归(SVR)模型在动物疫病定量预测上的效果,以便为动物疫病防控决策提供依据,利用广西2007—2013年的猪肺疫月发病率时间序列,进行了SVR模型预测猪肺疫月发病率效果的研究。首先,以自相关函数法和Cao方法相结合,确定该时间序列的时间延迟为2,嵌入维数为6,并对其进行相空间重构;然后,依据主分量分析(PCA分布)方法判定该时间序列具有混沌特性,表明其在重构相空间中进行分析预测是可行的;最后,基于相空间重构结果构建SVR模型,分别采用网格搜索算法、遗传算法、粒子群算法对模型参数进行优化,并分析预测效果。结果表明,运用遗传算法优化SVR模型参数预测效果最优,平均绝对偏差(MAD)为0.043、均方误差(MSE)为0.003、平均绝对百分误差(MAPE)为0.202。可见,采用遗传算法优化的SVR模型对猪肺疫发病率的预测是可行有效的。 相似文献