排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
主成分分析法在膜下滴灌不同年限棉田土壤表层盐渍化评价中的应用 总被引:2,自引:1,他引:1
利用主成分分析法和SPSS软件对膜下滴灌不同年限棉田土壤表层盐渍化程度进行了评价和分析。结果表明:利用主成分分析法可以有效地识别影响土壤表层盐渍化的主要成分,揭示土壤盐渍化影响离子的相互关系;以石河子121团实验地化验结果为依据,利用主成分分析法进行了分析,最后得出了该地块以氯化物-硫酸盐为主,为土壤盐渍化评价的定量化研究提供了依据,从而说明主成成分分析法在土壤盐溃化的评价中是切实可行的。 相似文献
2.
不同年限棉田膜下滴灌水盐运移规律实验研究 总被引:3,自引:1,他引:2
通过不同年限膜下滴灌棉田中播前、苗期、盛花期、收获期4个不同时期在1m土层内水盐运移规律的田间试验资料分析。初步得出,相同年限棉田在4个不同的生育阶段各土层在播前土壤含水量较大,到苗期含水量减少,灌头水后含水量逐渐增大,到盛花期含水量达到最大,而后含水量又减少,到收获期含水量达到最小;含盐量的变化特征是相同年限棉田在播前含盐量很大,苗期含盐量降低,到盛花期含盐量升高,到收获期含盐量又降低;在相同的生育阶段,不同年限的棉田随着种植年限的增加盐分累积逐渐增加;30-60cm深度是棉田盐分最大聚集区。 相似文献
3.
径向基函数人工神经网络在棉花耗水量预测中的应用 总被引:4,自引:0,他引:4
采用径向基函数人工神经网络的方法,利用MATLAB工具箱,以气象资料中的平均气温、日照时数、平均风速作为输入变量,建立了预测新疆石河子地区棉花耗水量的RBF神经网络预测系统,并通过实测数据的检验得出此预测系统网络模型的绝对误差最大为0.0962mm/d,最小为0.0008mm/d,平均为0.0519mm/d;相对误差最大为1.7995%,最小为0.0165%,平均为0.9664%,可见网络模型预测的准确度较高,较以往的线性模型更合理,并且此网络训练花费的时间短,仅需0.0780s。 相似文献
4.
1