点源时间序列数据缺失值的估值不确定性分析——以小流域气象和水文数据为例

【目的】对普遍存在的时间序列缺失值进行有效估值,进而改善时间序列数据的质量。【方法】以亚热带典型小流域长期定位观测的气象(最低气温、最高气温、太阳辐射)及水文(降水量、地表径流量)数据为样本并利用计算机模拟的方法,比较了线性内插法、K-最近邻插值法、多项式插值法、样条插值法和核密度估值法5种估值方法的性能差异,分析了不同取样时间步长(日和月)及不同数据缺失量(1%、5%、10%、15%、20%)条件下对缺失值进行估值的不确定性。均方根误差(RMSE)、绝对值平均误差(MAE)和Pearson相关系数(r)3个交叉验证指标用于评估5种估值方法的性能优劣。【结果】①5种方法估值性能较好,Pearson相关系数为0.62～0.99(P<0.05),且以核密度估值法和多项式插值法的估值性能为优;②数据缺失量和取样步长增加降低了5种估值方法的估值精度;③数据集的变异系数(CV)与估值评估指标(RMSE、MAE及r)显著相关(P<0.05)。【结论】核密度估值法和多项式插值法的估值结果相对更可靠,变异系数是影响估值不确定性的重要因素。     

基于小波消噪的平稳时间序列分析方法在降雨量预测中的应用

小波消噪与时间序列分析方法在预测领域中应用十分广泛,但是在降雨量的预测中应用不多。在基于小波消噪的基础上应用时间序列中平稳时间学列方法对降雨量进行预测,结果显示,应用该方法有效地提高了降雨量的预测精度。用丹东地区1971-2006年的降雨量作为历史数据,建立降雨量预测模型,结果表明新模型算法简单、精度较高,比传统的拓扑预测模型效果更好,为降雨量预测提供了一种行之有效的方法。     

基于电子鼻和高斯过程的秸秆固态发酵过程监测技术

基于电子鼻监控数据,建立基于高斯过程的状态监控分类器,实现对秸秆饲料固态发酵过程的有效监测。秸秆饲料固态发酵过程实验周期为7 d,每隔24 h利用电子鼻系统对发酵气体监测数据进行采集。该发酵实验共分20批次,其中10批次实验数据用来训练高斯过程分类器,其余10批次实验数据用来测试所训练分类器的性能。实验结果表明所采用电子鼻系统可以对秸秆饲料固态发酵过程状态进行有效监控。将所训练高斯过程分类器与支持向量机、神经网络分类器进行比较表明,基于高斯过程分类器的正确率为100%,高于基于支持向量机、神经网络分类器的正确率85.71%、94.29%,能够更好地实现对秸秆饲料固态发酵过程的监测。     

基于物联网的农业生产过程智能控制架构研究

随着物联网的快速发展,其在农业领域的应用越来越广泛,逐渐形成了基于物联网的农业应用。其中,基于物联网的农业生产过程智能控制是重点研究内容之一。为此,阐述了物联网、农业物联网、生产过程智能控制的基本概念;依据物联网架构模型,提出了基于物联网架构的农业生产过程架构模型,并进行了基于物联网的畜禽养殖环境控制系统的搭建与开发。实践表明,该控制系统可为畜禽营造相对独立的养殖环境,是降低养殖成本、保证质量和品质、减少污染和病害发生的有力手段。     

基于时间自动机的温室环境监控物联网系统建模

由于温室环境的复杂性,系统设计的不合理会直接导致数据的不确定和系统的不稳定。基于体系结构的物联网层次模型对物联网的实施具有指导意义,但是体系结构模型没有提供系统建模工具和模型验证的方法。基于时间自动机理论的建模与模型验证方法是一种对物联网系统建模的有效手段,能在系统设计时提高系统的稳定性,保证系统设计的正确性。通过对智能温室监控物联网系统的分析,从系统实施的角度重新对温室环境监控物联网系统进行了层次划分,利用时间自动机理论对系统中的相应组件进行建模,在对各个子系统分别建模的基础上形成了时间自动机网络模型。最后利用时间自动机建模工具UPPAAL,对已经建立的形式化模型进行了系统逻辑正确性验证与系统执行时序验证。结果表明,利用时间自动机理论及其建模工具UPPAAL可以对智能温室监控物联网系统进行建模及模型验证,可以在系统设计时对系统进行准确的模型分析,避免系统设计错误,降低系统设计缺陷,在系统投入运行中规避设计风险,从而提升系统的稳定性与可靠性,确保系统设计的正确性。     

基于时间序列数据库的配电网负荷预测

结合配电网特点,探讨了配电网负荷预测的应用需求,存在的问题及发展方向;阐述了负荷预测的基本算法及实现框架,分析了影响配电网负荷预测精度的决定性因素;结合配电网数据采集系统现状,指出采用时间序列数据库的优势,实现了基于时间序列数据库的配电网负荷预测采样数据获取功能改进;最后对改进的应用软件在南京等地配电网自动化项目中得到了应用,对改进效果进行了验证。     

若干新型群体智能算法优化高斯过程回归的年降水量预测

为提高年降水量预测精度,提出一种基于小波包变换（WPT）和孔雀优化算法（POA）、沙猫优化（SCSO）算法、猎豹优化（CO）算法优化的高斯过程回归（GPR）预测模型,并将其应用于文山州年降水量预测研究。首先,利用WPT将实例1956-2021年降水量时间序列分解为1个周期项分量和3个波动项分量;其次,简要介绍POA、SCSO、CO算法原理,利用POA、SCSO、CO分别优化GPR超参数,建立WPT-POA-GPR、WPT-SCSOGPR、WPT-CO-GPR模型;最后,利用所建立的3种模型对年降水量周期项分量和波动项分量进行预测,将4个分量的预测结果加和重构后得到最终预测结果,并构建基于支持向量机（SVM）的WPT-POA-SVM、WPT-SCSOSVM、WPT-CO-SVM模型、基于RBF神经网络的WPT-POA-RBF、WPT-SCSO-RBF、WPT-CO-RBF模型和未经优化的WPT-GPR模型作对比分析模型。结果表明：(1)WPT-POA-GPR、WPT-SCSO-GPR、WPT-CO-GPR模型对年降水量预测的平均绝对百分比误差MAPE分别为0.52%、0.46%、0.48...     

基于分形理论的大中型拖拉机产量预测

大中型拖拉机产量是一个复杂的非线性系统。为了探讨大中型拖拉机产量的变化规律及趋势预测,在分析分形理论原理和大中型拖拉机产量时间序列分形特性的基础上,构建了R/S分形模型,该模型具有较高的拟合度。最后,应用该模型预测了河南省2013-2015年大中型拖拉机的产量,可为农机企业调整产品结构和河南省农机部门制定农机动力发展规划提供参考。     

基于GM(1,1)模型群的农田土壤墒情短期预测

全面比较和分析了春玉米全生育期内土壤墒情的时空分布特征。结果表明,土壤墒情数据为非平稳时间序列,具有周期性;降水量是影响土壤墒情的重要环境因素,其影响规律具有较大随机性。以不同土层深度（10、30cm,〖JP2〗分别代表2种墒情变化情况）和春玉米不同生育期（4个）交叉组合的土壤墒情作为模型对象,〖JP〗基于GM(1,1)预测方法构建农田土壤墒情短期预测模型群。预测结果表明该子模型的预测精度均较高,平均相对误差均小于2%,其中以苗期10cm处土壤含水率预测效果最佳。考虑降水量的影响,对模型群中参数u进行优化,使得所建土壤墒情短期预测模型群的预测更为准确有效。     

基于高斯过程回归组合核函数的磷酸铁锂电池荷电状态估算

为了提高磷酸铁锂电池荷电状态(State of charge,SOC)的预测准确率,提出一种基于组合核函数的高斯过程回归估算方法。首先选取描述不同数据线性特征的核函数进行组合,建立高斯过程回归(Gaussian process regression,GPR)模型;然后将模型应用于估算HPPC实验工况下的SOC,并将其与传统单一核函数的GPR模型估算效果进行比较;最后用UDDS工况的实验数据验证GPR模型对不同类型实验数据的适应性。实验结果表明,该方法在不同工况下均能有效降低SOC估算误差,具有广阔的应用前景。     

温室物联网测控管理系统开发与数据同步研究

为实现温室环境信息高效监测,开发了物联网测控管理系统的通用平台,主要包括基于Android的智能网关以及基于Google Web Toolkit的远程Web服务器,并制定了系统的数据同步通信协议。根据数据采集单元配置信息和预先设定的界面显示风格,智能网关和Web服务器的应用程序能够自适应地生成温室环境监测界面,动态地解析监测传感器数据并实现数据库存储,以Http post网络传输机制实现数据采集单元配置信息、监测传感器数值等数据在二者间的同步。试验结果表明温室物联网系统在实际应用中具有较高的稳定性,有效地避免了由于传感器和数据采集单元节点变更导致Web服务器和智能网关应用程序的二次开发。     

乏信息材料布氏硬度测量不确定度蒙特卡罗评定

应用蒙转卡罗方法实现小样本材料布氏硬度测量不确定度的评定.依据测量误差源标定数据或布氏硬度测量结果两种数据处理途径,分析已知数据的概率分布特性,通过产生大样本量的随机数进行仿真,拓宽数据样本空间,进而分别依据不确定度合成和贝塞尔公式计算出乏信息材料布氏硬度测量不确定度.通过具体的测量实例验证了本方法的可行性.     

基于物联网的浮标水质监测系统与溶解氧浓度预测模型

为促进近海养殖业信息化发展,更好地实现对近海养殖环境的监控,设计了基于浮标平台的环境监测系统。利用STM32L475微控制器定时采集光照、温度、pH值、溶解氧浓度等信息,通过物联网技术将数据传输至云监测平台,实现了多区域环境信息远程监测和多终端访问。提出了改进遗传算法BP神经网络的溶解氧浓度预测模型,实现对近海养殖环境的预测;根据所采集的数据,利用改进遗传算法对初始权重和阈值进行优化得到最优参数,在此基础上构建BP神经网络溶解氧浓度预测模型。通过试验验证了该系统海洋环境信息采集的准确性与可靠性,以及溶解氧浓度预测模型的有效性;与传统遗传算法BP神经网络预测模型相比,平均误差由0.0778mg/L降至0.0178mg/L,能够满足近海养殖的实际需求。     

基于SSA-LSTM的日光温室环境预测模型研究

构建日光温室环境预测模型,准确预测温室环境变化有助于精准调控作物生长环境,促进果蔬生长。而温室小气候环境数据多参数并存、耦合关系复杂,且具有时序性和非线性,难以建立准确的预测模型。针对以上问题,提出一种基于麻雀搜索算法(SSA)优化的长短期记忆网络(LSTM)温室环境预测模型,实现了温室环境数据的精准预测。实验结果表明,采用SSA自动进行参数选优的方式,解决了LSTM模型参数手动选择的难题,大幅缩短模型训练时间,且最优的网络参数能够发挥模型的最佳性能。对日光温室内空气温湿度、土壤温湿度、CO₂浓度和光照强度6种环境参数进行预测,SSA-LSTM平均拟合指数高达97.6%,相比BP、门控循环单元(GRU)、LSTM,其预测拟合指数分别提升8.1、4.1、4.3个百分点,预测精度明显提升。     

双传声器声强测量系统误差分析与不确定度评定

双传声器互谱声强测量法适用于现场测量机器的声功率和进行声源识别。为了提高测量精度，需要分析影响测量精度的各种因素，确定被测量值的估计值和分散性。从双传声器互谱法测量声强的原理及测量系统的配置出发，分析讨论了互谱声强测量中误差产生的原因及其影响声强测量精度的主要因素；对声强测量系统测量声强量值的不确定度进行了评估，并对评定结果进行了实验验证，评定结果与实际检测结果相符；同时给出了减小声强测量系统主要误差的可能途径。     

基于翘尾特征的奶牛产犊预报设备设计与试验

针对奶牛产犊过程中自动化监测和预报设备缺乏的问题,设计了基于翘尾特征的奶牛产犊预报设备。设备包括记录待产奶牛尾部加速度数据采集节点,数据上传无线组网和云端数据存储平台,并开发了基于机器学习模型的产犊预报算法,实现了奶牛产犊的自动预报。尾部数据采集节点采用STM32L151CBT6A单片机控制ICM42605传感器实现加速度数据采集,在完成数据整理与本地存储后,通过LoRa网络将数据上传至网关。网关通过WiFi网络,按照MQTT协议将数据传输至腾讯云物联网开发平台,并将数据同步存储在腾讯云数据库中。在算法开发试验中,本文基于25头奶牛产犊前的尾部加速度数据,开发了基于Man-Kendall趋势检验和基于集成学习思想的多SVM产犊预报模型,完成算法性能验证后,将开发好的模型部署在腾讯云服务器。验证试验表明：牛尾节点测量的加速度信号与振动传感器校准仪设定的输出信号相关性良好(r=0.938,P<0.01),节点监测模块可连续工作24 d,无线传输网络最大丢包率为1.3%,满足应用需求。设备进行部署后,完成了11头奶牛产犊过程的监测,结果表明设备对9头牛(81.82%)在产前12 h内成...     

基于物联网的汽车生产管理系统设计与应用

为适应汽车制造企业快速发展,将物联网技术作为汽车生产管理系统的信息载体,提出基于物联网技术的汽车生产管理信息系统,可以在生产线的各工位上,实时地、动态地显示各工位的车型、装备等信息,使工作人员及时了解总装线物流情况,控制物流需求,以便物料能及时、适量地送到需要的位置,实行拉动式生产方式。