基于细菌觅食优化算法的支持向量机在土壤墒情预测中的应用

[目的]对基于细菌觅食优化算法的支持向量机在土壤墒情预测中的应用进行探讨,为现代农业研究中土壤墒情预测及农业生产提供支持。[方法]基于支持向量回归机方法建立土壤墒情预测模型,利用细菌觅食优化算法优化支持向量机预测模型的相关参数。根据从种植区采集的田间数据对模型进行建模和测试。[结果]与仅利用支持向量回归机和利用粒子群优化的支持向量回归机分别建立的模型进行对比,发现本研究所提算法建立的预测模型的预测效果更佳。[结论]该模型预测效果较好,所建模型已应用于实际项目,预测精度基本满足要求,且运行稳定。进而证明了该研究所提算法的有效性和可行性。     

改进支持向量机的股票价格预测研究

为了提高股票价格预测精度,提出一种改进支持向量机的股票价格预测模型。该模型利用粒子群算法的全局寻优能力对支持向量机参数进行优化,以提高股票价格的预测精度,采用具体股票价格数据对模型性能进行测试。结果表明,改进支持向量机能够对股票价变化趋势进行预测,是一种有效、高精度的股票价格预测模型。     

基于高光谱的柑橘叶片钾含量快速诊断模型

及时准确地监测柑橘树体钾营养状况,有助于科学施肥,提高柑橘果实的品质和产量。试验对采集的W·默科特叶片钾含量及叶片光谱信息进行相关性分析,利用主成分分析和连续投影算法进行降维处理,同时结合偏最小二乘回归和最小二乘支持向量机回归分别建立了叶片钾含量预测模型。结果显示,柑橘叶片钾含量特征波长主要集中在450～600 nm、700 nm左右、980～1030 nm区域;最小二乘支持向量机回归模型的预测效果明显优于偏最小二乘回归模型,预测集相关系数达0.91。结果表明,利用高光谱成像技术结合最小二乘支持向量机回归可实现对柑橘叶片钾含量的快速诊断。     

基于EPO算法去除水分影响的土壤有机质高光谱估算

野外进行土壤有机质的光谱快速预测时需考虑土壤含水量的影响。在室内设计人工加湿实验分别获取9个土壤含水量梯度(0~32%,间隔4%)的土壤光谱数据,分析土壤含水量变化对光谱的影响,再利用外部参数正交化法(external parameter orthogonalization,EPO)进行湿土光谱校正,并结合偏最小二乘回归和支持向量机回归分别建立土壤有机质预测模型。结果表明,土壤光谱反射率随着土壤含水量的增加呈非线性降低趋势,偏最小二乘回归模型的预测偏差比为1.16,模型不可用;经EPO算法校正后,各土壤含水量梯度之间的光谱差异性降低,能实现土壤有机质在不同土壤含水量梯度的有效估算,偏最小二乘回归和支持向量机回归模型的预测偏差比分别提高至1.76和2.15。研究结果可为田间快速预测土壤有机质提供必要参考。     

动态聚类最近邻法在湖库蓝藻水华预测中的应用

[目的]探索湖库蓝藻水华的有效预测方法,为水环境污染防治关键问题的解决提供科学依据。[方法]结合蓝藻水华演化中表现出的混沌类随机特点,提出一种基于有效性函数优化的动态聚类算法,以实现蓝藻水华动态、小范围近邻优化预测的目的。首先,基于动态聚类算法对监测数据进行典型类的客观划分,为后续有效减小搜索空间,提高预测精度奠定基础;而后采用粒子群算法优化得到各类的最佳近邻个数,以确定参与回归建模的观测值数量;最后依据最近邻观测数据建立动态回归预测模型。[结果]采用太湖金墅监测站点2011年叶绿素a浓度测定值进行建模,之后对2012年叶绿素a浓度进行短期预测。新建模型的预测值与实际值运行趋势一致,且相对误差为12.02%,而基于传统聚类线性回归算法的相对误差为15.21%,基于BP神经网络预测算法的相对误差为19.51%,相空间重构算法的相对误差为38.42%。[结论]算例结果表明该方法的预测精度相对较高,证明了所提优化预测方法的可行性与有效性。     

基于遗传算法最小二乘支持向量机的耕地变化预测

针对耕地变化内部规律与模拟方法进行研究,提出最小二乘支持向量机耕地变化预测方法,有效构建耕地变化与耕地变化影响因子之间复杂的非线性关系模型。利用遗传算法全局寻优功能优化最小二乘支持向量机内部参数,提高最小二乘支持向量机耕地变化预测模型精度。利用该模型对江苏无锡市1987－2000年期间耕地变化进行预测,并与多元回归、GM(1,1)、BP网络、支持向量机（SVM）耕地预测模型和实际调查耕地变化数据进行比较分析。预测精度评价结果证实,该方法耕地预测精度远高于多元回归、GM(1,1),BP网络模型,略高于SVM模型,但算法复杂度和计算效率远优于SVM预测模型,是一种有效的耕地变化预测方法。     

基于偏最小二乘投影的可见/近红外光谱猪肉综合品质分类

针对全波段光谱技术的生鲜猪肉综合品质快速无损分类存在光谱数据量大、样本数量较少时分类准确率较低等缺点。该文提出了一种基于偏最小二乘(partial least squares,PLS)投影分析算法和支持向量机的生鲜猪肉综合品质分类器。利用基于偏最小二乘投影分析算法对全波段光谱数据进行数据降维,选取了13个特征波长。利用粒子群优化算法优化支持向量机惩罚参数和径向基核函数参数,优化后二者最优为4.939和0.01。利用选取的特征波长和优化后的参数建立了生鲜猪肉综合品质支持向量分类器。研究结果表明,分类器对训练集中白肌肉(pale,soft and exudative,PSE)、正常肉(reddish-pink,firm and non-exudative,RFN)和黑干肉(dark,firm and dry,DFD)的回判识别率分别为为88.46%、94.11%和92.31%;测试集中PSE、RFN和DFD预测正确率分别为84.62%、94.11%和84.62%。该分类器满足模型简单、预测准确率高等优点,为生鲜猪肉综合品质在线分级提供参考。     

基于支持向量机优化粒子群算法的活立木材积测算

材积模型是编制立木材积表的关键,通常用经验材积方程来预测材积量。由于树木生长具有不确定性,传统的材积方程很难有效地对模型的复杂性和多样性做出测算,导致目前活立木材积测算的准确率较低。为了提高活立木材积的测算准确率,将粒子群（particle swarm optimization,PSO）算法引入到活立木材积模型中,并用支持向量回归机（support vector machine,SVM）优化参数。PSO-SVM将活立木胸径和树高数据输入到SVM中学习,将SVM参数作为PSO中的粒子,把活立木实测材积值作为PSO的目标函数,然后通过粒子之间相互协作得到 SVM 最优参数,对活立木测算材积值进行模型测算并采用实测材积值验证。论文应用电子经纬仪与人工量测立木地径、胸径相结合的方法,通过软件计算求得400组树高、树干材积值;然后对300组数据集以活立木胸径和树高作为输入数据,材积为输出数据,采用粒子群耦合支持向量机（PSO-SVM）算法训练得到模型,并用100组数据进行预测;最后引用经典Spurr材积模型算法、BP神经网络算法和PSO-SVM算法进行了对比,其结果表明,PSO-SVM算法预测准确率最高,预测值与实测值间复相关系数达0.91,平均误差率为0.58%。     

基于高光谱图像和光谱信息融合的马铃薯多指标检测方法

针对随机放置的马铃薯缺陷多项指标难以同时检测的问题,提出了一种基于高光谱信息融合的流形学习降维算法与极限学习机(extreme learning machine,ELM)相结合的方法,该方法可同时识别马铃薯的多项缺陷指标。分别采集发芽、绿皮、黑心和合格马铃薯的反射高光谱数据(390~1 040 nm),在光谱维,提取马铃薯样本感兴趣区域(region of interest,ROI)的平均光谱,分别采用扩散映射(diffusion maps,DM)、局部线性嵌入(locally linear embedding,LLE)和海森局部线性嵌入(hessian locally linear embedding,HLLE)3种流形学习降维算法对光谱数据进行降维;在图像维,对马铃薯伪彩色图像进行形态学处理,获取基于灰度共生矩阵(gray level co-occurrence matrix,GLCM)的图像纹理信息,采用连续投影算法(successive projections algorithm,SPA)优选图像纹理特征;融合光谱维信息和图像维信息,分别建立基于极限学习机(ELM)与支持向量机(support vector machine,SVM)的马铃薯多分类识别模型。结果表明,扩散映射结合极限学习机(DM-ELM)模型的预测结果较优,该模型对发芽、绿皮、黑心和合格马铃薯样本的单一识别率分别为97.30%、93.55%、94.44%和100%,混合识别率达到96.58%,时间为0.11 s,可知高光谱信息融合技术结合流形学习降维算法可同时识别随机放置马铃薯的多种缺陷指标。     

基于自适应进化相关向量机的耕地面积预测模型

为解决耕地面积预测模型建立过程中的非线性、稀疏化及结果可靠性评价等问题,该文将相关向量机与差分进化优化算法进行融合及改进,提出基于自适应进化相关向量机的耕地面积预测模型。该文以黄石市为例,建立基于自适应进化相关向量机的短期、中期耕地预测模型,并与多元线性回归、BP神经网络、支持向量机算法在精度、计算效率及可靠性方面进行对比分析。试验验数据表明,自适应进化相关向量机的预测精度大约是其余3种方法的2倍以上;模型的计算效率是多元线性回归方法的2倍,比BP神经网络、支持向量机高出2个数量级;测试数据的实际耕地面积均在自适应进化相关向量机估计的95%置信度的置信区间内,并且由后验差比、小误差概率判定模型等级属于"好"。基于以上数据,证实该模型是一种精度高、计算快、可靠性强的耕地预测新方法。     

基于改进粒子群算法的车辆转向梯形机构优化

通过对车辆转向机构的尺寸和定位参数进行优化,能有效减小车辆转向机构的实际运动轨迹和理论运动轨迹间误差,进而有效改善车辆的操纵性能和提高转向安全性。该文研究了转向梯形机构的工作原理及其对车辆转向性能的影响,建立了转向梯形机构的非线性优化模型;然后引入越界检测函数改进传统粒子群优化算法,并给出了求解转向梯形机构非线性优化模型的方法;编制了改进粒子群算法的实现程序,并对3款不同车型的转向梯形机构进行了优化设计;最后选取3种不同智能算法分别对途乐GRX转向梯形机构进行多组优化试验。试验结果表明,改进粒子群算法的收敛速度快于传统粒子群算法和基于模拟退火的粒子群算法,求解精度略逊于基于模拟退火的粒子群算法,但仍能保证求解精度。     

基于改进BP神经网络与支持向量机的土壤墒情预测方法研究

为提高土壤墒情预测精度,提出了一种基于遗传算法（GA）、改进粒子群算法（IPSO）、误差反向传播（BP）神经网络和支持向量机（SVM）的土壤墒情组合预测模型（GA_IPSO_BP-SVM）。该模型首先在BP神经网络的权阈值选择中同时引入GA和IPSO构成GA_IPSO_BP模型,然后对GA_IPSO_BP和SVM模型分别进行训练和数据仿真,最后利用建立的加权模型对GA_IPSO_BP和SVM模型的土壤墒情预测结果进行组合。以安庆市8个监测站某时段内农田土壤墒情数据为例,分别按隔日、两日后和三日后三种时间跨度进行土壤墒情预测,并对照BP、GA-BP、PSO-BP、IPSO-BP、GA_IPSO_BP和SVM模型,验证和比较提出的GA_IPSO_BP-SVM模型的土壤墒情预测精度。结果表明,GA_IPSO_BP-SVM模型的土壤含水量预测相对误差平均值最小。GA_IPSO_BP与SVM模型组合的GA_IPSO_BP-SVM模型提高了土壤墒情的预测精度,更适合于土壤墒情的短期预测,该方法可为农业节水灌溉方案的制定提供技术支撑。     

黄河流域内陆地表水体提取方法研究

[目的]对黄河流域内陆地表水体提取方法进行对比分析,为有效提取含沙量大的黄河流域水体提供方法指导。[方法]采用目前提取水体效果较好的两种方法——改进的水体指数法(MNDWI)和线性光谱混合模型(LSMM),以Landsat 8OLI数据为例,选择黄河流域水库、湿地、湖泊和河流作为研究对象,将其划分为2大类,即水体和非水体,利用高分辨率影像进行精度分析,研究两种方法的区域适应性。[结果](1)利用线性光谱混合模型在提取水库、湿地和湖泊比改进的水体指数模型精度更高;(2)利用这2种方法在提取面积较大、分布集中的水体比提取细长型分布的线状河流效果更好。[结论]混合像元在高分辨率的影像中也是存在的,在水体提取的时候,利用线性光谱混合模型考虑了混合像元对水体提取的影响,极大提高了精度,试验证明线性光谱混合模型优于改进的水体指数法。     

Detection of Total Phosphorus Concentrations of Turbid Inland Waters Using a Remote Sensing Method

Phosphorus (P) is widely known as a limiting nutrient of water eutrophication for inland freshwater ecosystems. Owing to the complexity of P chemistry, remote sensing detection of total phosphorus (TP) concentrations currently remains limited especially for optically complex turbid inland waters. To address this need, a new TP remote sensing algorithm is developed based on prior water optical classification and the use of support vector regression (SVR) machine. The in situ observed datasets, used in this study, were collected at specific times during 2009?~?2011, covering a total of 232 stations from eight cruises in Lakes Taihu, Chaohu, Dianchi, and Three Gorges reservoir of China. Three types of waters were first classified by using a recently developed NTD675 (Normalized Trough Depth of spectral reflectance at 675 nm) water classification method. Then, spectral regions sensitive specifically to each water type were explored and expressed via several band ratios and used for retrieval algorithm development. The established type-specific SVR algorithms yield relatively high predictive accuracies. Specifically, the mean absolute percentage errors (MAPE) produced with the independent validation samples were achieved at 32.7, 23.2, and 14.1 % for type 1, type 2, and type 3 waters, respectively. Such water type-specific SVR algorithms are more accurate for the classified waters than an aggregated SVR algorithm for the nonclassified water and also superior to commonly used statistical algorithms. Moreover, application of the developed algorithms with HJ1A/HSI image data demonstrates that the algorithms have a large potential for remote sensing estimation of TP concentrations in optically complex turbid inland waters.     

基于综合营养状态指数和BP神经网络的黑河富营养化评价

[目的]探究黑河流域富营养状态,为黑河流域水体污染综合防治提供基础数据和理论依据。[方法]选取叶绿素a(Chl.a)、总氮(TN)、总磷(TP)、高锰酸盐指数(COD_{Mn_})、透明度(SD)作为评价因子,使用综合营养状态指数法和BP神经网络对黑河流域的富营养化进行综合评价。[结果]黑河富营养化状况主要以中营养级为主,其中野牛沟和张掖湿地的营养指数接近轻度富营养程度,东居延海处于重度富营养化,尤其是总氮指数很高,应该及时进行治理和保护。[结论]相对于综合营养状态指数法,BP神经网络对黑河流域的评价结果更加贴近实际结果,较为客观可靠。     

毛乌素沙地樟子松人工林恢复过程中土壤粒径演变特征

[目的]研究土壤颗粒分形维数与樟子松人工林恢复时间的关系,为评价毛乌素沙地植被恢复对土壤颗粒特征的影响提供数据支撑。[方法]以自然荒草地为对照,选择不同恢复年限樟子松人工林土壤为研究对象,分析了不同林龄樟子松林下土壤基本理化性质、颗粒粒径含量和分形维数,开展毛乌素沙地樟子松人工林恢复过程中土壤粒径演变特征研究。[结果] 3种不同林龄樟子松土壤中细砂粒含量最多,极粗砂粒含量最少,并且随着土层深度的增加细砂粒含量和粗砂粒含量呈增加的趋势,而黏粒含量、粉粒含量以及极细砂粒含量呈现减少的趋势。随着土层深度的增加土壤中全氮、全磷、有机质以及土壤含水率均呈现减小的趋势。不同林龄下樟子松土壤颗粒分形维数范围为2.27～2.71,均值大小顺序表现为50 a>60 a>40 a>CK;全氮含量和土壤含水率的均值大小顺序均表现为60 a>50 a>CK>40 a;全磷含量和有机质含量的均值大小顺序均表现为60 a>50 a>40 a>CK。全氮、全磷和土壤有机质含量与分形维数间呈正相关关系,相关系数分别为0.391,0.418,0.522。[结论]樟子...     

有机无机肥配施对紫色土旱坡地土壤无机磷迁移的影响

为探索长江上游紫色土旱坡地麦玉轮作系统减少农田磷素流失的最佳施肥模式,降低磷对水体富营养化的影响。2011—2015年,以紫色土旱坡地典型农作冬小麦和夏玉米为材料,在西南大学试验农场进行田间定点试验。试验采用随机区组设计,共设置7个田间小区试验,分别为倍量施磷肥(2P)、优化施肥(P)、优化施肥+猪粪有机肥(MP)、优化施肥+秸秆还田(SP)、优化施肥量磷减20%+猪粪有机肥(MDP)、优化施肥量磷减20%+秸秆还田(SDP)、不施磷肥(P0)。测定了各农田土壤基础性质,以及0—20,20—40,40—60cm土层土壤全磷和有效磷含量,并对不同施磷水平以及磷肥减量配施不同有机肥条件下紫色土旱坡地土壤磷素迁移流失进行了原位定点研究。结果表明:不同施肥条件下紫色土旱坡地总磷(TP)和总可溶性磷(TDP)迁移流失量有明显的差异。TP流失量大小依次为2PPMPSPMDPSDPP0。2P处理总磷流失量最高,P处理是SDP和MDP处理的1.5~2倍。TDP流失量大小依次为2PMPPMDPSPSDPP0。坡上除了P0和P处理全磷含量有所减少外,其他各处理全磷含量都呈增加趋势,坡中、坡下的增长幅度要大于坡上,其中坡下处理MP比种植季前增加了0.400g/kg。除了P0处理土壤有效磷含量降低外,其他各个小区处理坡上、坡中、坡下土壤中有效磷含量都呈增加趋势。猪粪有机肥和秸秆还田对土壤中磷素有一定的活化作用,促进了磷素在土壤中的迁移,且猪粪有机肥对土壤磷素活化作用更强。化学磷肥减量并配施有机肥是应对农业面源污染"控源节流"的较好措施。     

甘肃省长江流域水土保持综合治理效益分析

[目的]揭示甘肃省长江流域调水保土效益、经济效益和生态效益,为实现水土流失区社会经济的可持续发展提供依据。[方法]运用甘肃省长江流域水土保持综合治理评价体系以及水土保持综合治理效益计算方法(GB/T15774-2008)计算分析了甘肃省长江河流域水土保持综合治理效益。[结果]甘肃省长江流域各措施累计调水2.01×1010 m3,其中坡面措施减水2.01×1010 m3,占总调水量的99.99%,累计保土3.59×108 t,其中坡面措施减蚀2.96×108 t,占总保土效益的82.45%;梯田、水保林、经济林、人工种草经济效益分别为58.08,180.02,29.69和15.20亿元,合计279.99亿元。[结论]通过水土保持措施对降雨径流的拦蓄,有效缓解了甘肃长江流域以及各类型区干旱、洪涝灾害及下游防洪压力,减轻了下游河道的泥沙淤积,同时改善了土壤肥力,增强土壤抗侵蚀能力。植被覆盖度由1980年的1.47%增长到2011年的29.83%,增长了28.36%,植被覆盖度增长幅度较大。     

东北地区稻谷储藏期间脂肪酸含量的预测模型

粮食储备是保障国家粮食安全的重要物质基础,谷物中脂肪酸含量是粮食储藏过程中品质变化的敏感性指标。为了实现绿色储粮安全管理,该文采用多元线性回归(multiple linear regression,MLR)、人工神经网络(artificial neural network, ANN)、支持向量回归(support vector regression, SVR)、最小二乘支持向量回归(least square support vector regression,LSSVR)等机器学习算法模型,对东北地区稻谷储藏过程中的脂肪酸含量(以KOH计)进行预测。通过主成分分析(principal component analysis,PCA)方法筛选稻谷关键储藏参数,得到4个影响稻谷脂肪酸含量的关键因子,分别为稻谷入仓水分、入仓脂肪酸含量、储藏有效积温、检测粮温。然后,将得到的关键因子进行归一化处理,再分别输入到MLR、ANN、SVR、LSSVR模型,采用决定系数R2、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)、均方根误差(RMSE)等评价指标对不同模型的预测性能进行对比,探讨稻谷脂肪酸含量预测的最优模型算法。研究结果表明,LSSVR模型的决定系数R2、MAE、MAPE、RMSE分别为0.911、0.275 mg/100 g、1.604%、0.348 mg/100 g,预测效果略优于MLR,明显优于ANN和SVR,LSSVR和MLR模型可作为稻谷储藏期间脂肪酸含量预测的方法。该研究实现了稻谷脂肪酸含量的预测,为科学储粮、安全绿色储粮提供参考。