基于IL-HMMs预测模型的地下水埋深预测研究

以西北干旱典型县域磴口县为研究区,基于增量学习的改进隐马尔可夫预测模型(IL-HMMs),对区域地下水埋深进行了预测研究。为检验IL-HMMs模型预测效果,将模型预测结果与2013年长观井的实测数据进行了比较;同时为检验模型的优劣性,与未经增量学习的隐马尔可夫模型(HMMs)、加权马尔可夫链(WMCP)和BP神经网络(BP neural network,BPNN)预测模型的预测结果进行了比较。结果表明:与其他几种预测模型相比,IL-HMMs模型预测精度显著提高,误差更小,有较好的鲁棒性。并使用IL-HMMs模型对2018年地下水埋深进行了预测,预测结果表明,2018年地下水年平均埋深略有增加、局部区域地下水埋深增量加剧。基于IL-HMMs模型的地下水埋深预测具有很好稳定性的同时对新数据加入又有很好的鲁棒性,可为地下水埋深动态预测提供思路与方法补充,为区域地下水资源开发利用和保护提供重要依据。     

基于Faster-RCNN的肉鸡击晕状态检测方法

为了准确识别屠宰加工中肉鸡的击晕状态,提出了一种基于快速区域卷积神经网络的肉鸡击晕状态检测方法。对输入图像进行归一化处理,通过卷积神经网络（VGG16）提取肉鸡的卷积特征图,利用区域建议网络提取预测框,在卷积特征图上采用非极大值抑制算法去除重复表述的预测框;将所得的各预测框映射到卷积特征图上,得到预测框在卷积特征图上的候选区域,将其输入感兴趣区域池化层;通过感兴趣区域池化层将大小不一的候选区域进行池化操作、得到统一的输出数据,最后通过全连接层与柔性最大值分类器,输出各击晕类别的概率和预测框的坐标。将2319个样本图像按2∶1的比例随机分为训练集与测试集,对模型进行训练与实验验证。结果表明,本文建立的基于Faster-RCNN的肉鸡击晕状态分类模型对773个测试集肉鸡样本击晕状态分类的总准确率达到96.51%,对肉鸡击晕状态的预测速度可达每小时37000只,基本满足肉鸡屠宰生产线要求。     

灰色系统理论在农业需水量预测中

应用灰色理论建立了GM(1，1)模型，对华北地区某典型区农业用水量进行了预测。所建模型经残差检验证明其模型具有可行性和适应性，在此基础上，通过对典型区农业需水量的预测，为研究区域的水资源综合规划提供了依据。该方法可供相关县级小区域水资源评价与规划中作为参考。     

GMS在团结镇地下水流数值模拟中的应用

利用GMS(groundwater modeling system)软件包中的MODFLOW模块建立哈尔滨市团结镇地区地下水流模型,通过对模型的识别、验证确定该模型的各类参数,并对该地区地下水位进行预报,预报时段至2020年1月1日。利用MATLAB工具将导出的预测数据绘制出该地区的地下水初始水位与预报水位三维等值线对比图。根据研究区域地下水三维等值线图对比图可知:初始水位较高的地区预测出的地下水位与初始水位相比有所下降;初始水位较低的地区预测出的地下水位与初始水位相比有所上升。通过三维等值线对比图可以清晰地看出地下水位的变化趋势。     

基于ARIMA与GM(1,1)的区域用水总量预测模型及应用——以广州市为例

区域用水总量控制是落实最严格水资源管理制度的重要内容,提高用水总量预测水平是其关键支撑环节。分别利用ARIMA与GM(1,1)构建区域用水总量预测模型,并基于广州市时序用水特点,对其2002-2016年的用水总量进行模拟预测,在验证模型有效性基础上选用ARIMA(1,1,1)模型预测其2017-2020年用水总量。研究结果表明,ARIMA(1,1,1)对其用水总量模拟预测的相对误差呈现逐步收敛趋势,而GM(1,1)模型则具有先收敛后发散的特点,而结合平均与绝对相对误差验证ARIMA(1,1,1)适用于用水总量预测精度要求;通过预测发现广州市到2020年用水总量将面临超过其用水总量控制红线的危机,而从其2011-2015年用水结构中发现工业和农业用水仍是制约用水总量控制的关键点。因此,在后期水资源规划与调控中,广州市需要进一步加强工业用水效率和农业灌溉技术的提高。     

基于排列熵的城市化区域地下水系统复杂性测度

以黑龙江省哈尔滨市为例,运用排列熵(PE)测度了该地区10个区域6年(2008-2013年)逐日地下水埋深序列的复杂性特征,并分析了下垫面条件对地下水水文系统的影响。结果表明:巴彦、宾县、依兰三个区域地下水埋深序列复杂性为Ⅰ级,说明这3个区域的预测难度大;市区、方正、尚志、通河、延寿5个区域地下水埋深序列复杂性为Ⅱ级,说明这5个区域的预测难度一般;木兰、五常两个区域地下水埋深序列复杂性为Ⅲ级,说明这两个区域的预测较为简单。通过将山地地形面积比例、水域比例与地下水埋深序列之间的相关分析,可知二者对地下水水文系统复杂性有重要影响。研究揭示了区域地下水埋深序列复杂性空间分布并分析可能影响的因素,为今后水文系统复杂性测度研究提供了新思路。     

基于GM(1,N)模型的临漳县地下水矿化度研究

地下水矿化度的变化会对居民生活用水和农作物生长产生影响,特别是在地下水超采严重且农业用水量大的地区。以邯郸市临漳县为研究区,搜集了香菜营、陈村、洛村共3口监测水井2010-2015年间的地下水矿化度监测数据,并以监测井水位,抽水量和区域降雨量为自变量,以矿化度为因变量,构建了基于地下水矿化度预测的GM(1,N)模型,对地下水矿化度实测资料进行了模拟与预测。将GM(1,N)模型模拟结果分别与GM(1,1)模型和BP神经网络模型的模拟结果进行了比较,结果表明GM(1,N)模型模拟精度最高。因此将GM(1,N)模型预测结果作为临漳县2016-2020年的地下水矿化度的最终预测成果。成果表明2016-2020年邯郸市临漳县的地下水矿化度呈持续上升趋势,研究结果为区域地下水的管理与水盐调控工作提供了参考依据。     

基于灰色残差-马尔可夫藕合模型的农业需水量预测研究

将灰色残差模型与马尔可夫预测模型结合起来,建立灰色残差-马尔可夫藕合模型来预测农业需水量.先用灰色GM(1,1)模型进行预测,预测精度较低,因此对GM(1,1)模型进行一定程度的改进,建立灰色残差GM(1,1)模型;再用马尔可夫预测模型来判断残差预测值的符号,以提高预测精度.最后用华东某城市2002-2008年的农业用水量作为历史数据进行了预测,结果表明预测精度明显提高.预测结果可以为研究区域今后的节水灌溉发展提供理论依据,来有效地指导今后该地区的节水灌溉.     

基于叶面积指数的河北中部平原夏玉米单产预测研究

为解决玉米单产预测的时效性和业务化问题,以河北中部平原为研究区域,选取与籽粒产量密切相关的叶面积指数(LAI)作为遥感特征参数,对研究区2016—2018年夏玉米单产进行预测研究。基于求和自回归移动平均(ARIMA)模型及径向基神经网络(RBFNN)分别逐像素预测研究区域的LAI,结果表明,基于ARIMA模型的LAI预测精度比RBF神经网络的预测精度高,1步、2步LAI预测结果的RMSE较RBF神经网络分别降低了0. 18、0. 14 m2/m2,更适合于河北中部平原的夏玉米单产预测。基于LAI监测数据和加权LAI与夏玉米单产的相关性研究成果,并结合基于ARIMA模型的LAI预测数据,得到2016—2018年夏玉米监测单产和向前1旬、2旬和3旬的单产预测结果。结果表明,无论是县域尺度还是像素尺度,向前1、2、3旬夏玉米的单产预测精度均较高,2016—2018年县域尺度预测单产与监测单产间最大相对误差仅为3. 73%。     

基于EMD与PSO的Nash NBGM(1,1)耦合模型的年径预测研究

针对径流是典型非平稳序列这一特点及目前存在的径流中长期预测精度低的问题,提出一种新的耦合预测方法——基于经验模态分解(Empirical Mode Decomposition,EMD)与粒子群优化算法(Particle Swarm Optimization,PSO)的非线性灰色Bernoulli耦合模型(Nash Nonlinear Grey Bernoulli Model,Nash NGBM)。首先利用EMD方法对汾河上游上静游、汾河水库、寨上和兰村4个水文站的年径流序列进行平稳化处理,分别得到若干个固有模态函数(Intrinsic Mode Function,IMF),对各阶IMF分别建立基于PSO算法的Nash NGBM(1,1)模型并进行预测,趋势项用多项式拟合并进行预测,然后通过重构各预测值得到汾河上游4个水文站年径流量的预测结果,并与单独运用基于PSO算法Nash NGBM(1,1)模型的预测结果进行比较,对模型作出评价。结果表明,基于EMD与PSO算法的Nash NGBM(1,1)耦合模型的拟合精度在92.5%以上,预测精度均达到了100%,其预测精度比单独运用基于PSO算法Nash NGBM(1,1)模型的预测精度有了明显提高;基于EMD与PSO算法的Nash NGBM(1,1)耦合预测方法的提出为径流中长期预测精度的提高提供了新的思路,对区域水资源的合理配置与优化调度具有重要的理论意义和实际价值。