新疆兵团农机总动力预测模型的研究

为了提高新疆兵团农机总动力预测模型的精度,获得更加可靠的预测结果,针对回归模型的多重共线性问题及灰色模型仅含有指数增长趋势的问题,基于2007-2014年农机动力的相关数据,建立了主成分回归和灰色回归两种预测模型。对两种模型的预测精度进行比较分析,结果表明:主成分回归模型和灰色回归模型预测值的平均相对误差分别为0.57%、0.46%,灰色回归预测模型的精度较高,可以较真实地反映新疆兵团农机总动力的变化趋势。应用该模型进行预测,得到了新疆兵团农机总动力未来5年的预测值。     

基于BP神经网络的农机总动力组合预测方法

鉴于单一预测模型和线性组合预测模型的局限性,在确定黑龙江省农机总动力单一预测模型的基础上,建立了基于BP神经网络的非线性农机总动力组合预测模型。误差分析表明,该非线性组合预测模型的拟合平均绝对百分误差为3.03%,低于一元线性回归模型、指数函数模型、灰色GM（1,1）模型和三次指数平滑模型的6.26%、4.65%、4.88%和3.72%;稍高于以误差平方和最小为原则构建的线性组合预测模型的2.86%。用2006～2008年黑龙江省农机总动力进行检验预测,结果表明该模型可以有效地提高农机总动力的预测精度,用该模型预测了黑龙江省2009～2015年农机总动力。预测结果表明,在未来几年黑龙江省农机总动力将保持快速增长趋势,到     

基于实数遗传算法的农机总动力变权组合预测

黑龙江省农机总动力进行预测,选用指数函数模型、多项式拟合模型、三次指数平滑模型、龚帕兹曲线模型为单一预测模型并以1980-2013年农机总动力数据为样本点进行拟合,其平均绝对百分比误差分别为12.5%、3.22%、3.43%、6.09%;然后,建立以误差平方和最小为目标函数的变权组合预测模型,并利用改进的实数遗传算法对变权组合预测模型进行优化,所得到的变权重组合预测模型的平均绝对百分比误差为1.98%,拟合效果较好。以2014-2016年农机总动力数据为预测时点对该方法进行验证,结果表明:不论是拟合精度还是预测误差都具有较好的效果。最后,对黑龙江省未来5年的农机总动力进行了预测,为相关部门对农业机械化的发展规划提供参考。     

烟台地区水面蒸发BP神经网络模型研究

运用BP神经网络模型对水面蒸发进行研究,并与多元线性回归和主成分回归2种方法的拟合结果进行比较。结果显示,多元线性回归各参数均通过t检验,拟合较好;主成分回归中,参数b2未通过t检验,拟合效果不如多元线性回归好。BP神经网络模型、多元线性回归、主成分回归建立的水面蒸发量观测值与拟合值的回归方程中决定系数分别为0.8986、0.7993、0.7984。应用BP神经网络进行分析,相对误差小于10%的样本个数超过总样本个数的40%,相对误差不超过30%的样本个数接近80%;而其它2种方法相对误差大于10%的样本个数超过总样本数的80%,相对误差大于50%的接近总样本个数的30%。可见,应用BP神经网络模型进行水面蒸发量计算,远优于其它2种方法,应用此方法进行水面蒸发量的预测是非常理想的。     

基于Shapley值的农机总动力组合预测方法

应用合作博弈中的Shapley值方法,通过分配总误差来确定组合预测模型中各预测模型的权重,以此构建组合预测模型并对山西省农机总动力进行组合预测.结果表明,该组合预测模型的预测平均误差为1.81,低于选定的一元线性回归模型、三次指数平滑模型和BP神经网络模型的3.12、2.42和2.23;也低于基于方差倒数法以及基于离异系数法构建的组合预测模型的预测平均误差1.88和1.90.     

基于离散灰色模型的中国农机总动力预测

农机总动力预测对于国家制定相关农机发展政策具有重要意义。为此,运用离散灰色模型,对2004-2011年间的我国农机总动力的数据进行了分析建模、相关检验。其平均相对误差为0.307%,小误差概率为1,后验差比为0.026,关联度为0.999 1,各指标都达到一级判别标准,表明该模型可以用于农机总动力的预测。在此基础上,对其2012-2020年间的发展趋势进行了预测,预测结果显示农机总动力呈逐年递增趋势,平均年增长率为6.204%,发展态势良好。     

基于灰色BP神经网络的农业机械总动力预测

为预测宁夏地区农业机械化水平的发展变化趋势,提出一种将灰色预测模型与BP神经网络有效结合的农业机械总动力预测方法。在BP神经网络的数据预处理阶段融入灰色预测理论,建立基于灰色BP神经网络的农机总动力预测模型,并选取1991-2014年宁夏回族自治区农业机械总动力数据作为样本,利用该模型进行仿真预测,结果表明:该模型具有较高的预测精度,其平均相对误差仅为0.18%,明显优于灰色GM(1,1)模型的3.5 0%和标准BP神经网络的0.2 9%。     

基于Landsat影像的清河水库总悬浮物浓度反演模型研究

为了及时、准确的了解清河水库总悬浮物浓度情况,采用Landsat卫星OLI数据,通过SPSS软件分析计算OLI数据的单波段及波段组合与总悬浮物浓度之间的相关关系,选取相关系数最大者分别构建比值线性回归模型和非线性的最小二乘支持向量机模型(LS-SVM),对清河水库总悬浮物浓度进行了遥感定量反演研究。结果表明,相比于比值线性回归模型,LS-SVM模型将预测值与实际值的可决系数R2从0.686提高到0.88,平均相对误差从3.52%减小到3.16%,利用LS-SVM模型对总悬浮物浓度的反演精度显著提高。     

吉林省农业机械总动力及其影响因素分析

农业机械化是农业现代化的重要标志,吉林省作为粮食大省,农业机械化的发展至关重要。为此,运用吉林省1987-2012年的相关数据,对吉林省农业机械总动力及其影响因素进行多元线性回归分析,建立了回归模型。结果表明:在其他变量保持不变的情况下,农村居民家庭恩格尔系数每降低1%,农机总动力就增加0.5947%;农村劳动力转移率每增加1%,农机总动力就增加0.5155%;农民家庭年纯收入每增加1%,农机总动力就增加0.1248%;农业财政支出每增加1%,农机总动力就增加0.0936%;人均耕地面积每增加1%,农机总动力就增加0.0064%。未来吉林省要充分重视这5个主要因素,从提高农民对农机的内在需求和加强政府扶持等外部环境两大方面促进农业机械化的发展。另外,需要加强对新型职业农民的培育,以适应新时期农机发展对人才与科技的需求。     

农机总动力组合预测模型研究-基于密度算子

农机总动力的需求具有增长性、波动性及非线性的特征。采用基于密度算子的组合预测方法,对陕西省农机总动力进行预测。在确定单一预测模型的基础上,计算各模型的偏离度和准确度,进而确定聚类组的准确度和密度加权向量,建立基于密度算子的农机总动力组合预测模型,以及基于离差系数法和Shapley值法的组合预测模型。拟合结果表明:建立的密度算子组合模型的各项误差评价指标都低于选定的单一预测模型和基于离差系数法和Shapley值的组合预测模型,具有很好的预测效果。     

喷雾模型的发展及其在内燃机CFD中的应用

喷雾模型是内燃机CFD软件中重要的组成部分,而喷雾模型是由多种子模型组成的。正确设定喷嘴出口的边界条件和选择恰当的喷雾子模型成为成功分析和优化柴油机和汽油机高压喷雾的先决条件。本文主要讨论了喷嘴流动模型、液膜雾化模型和喷雾碰壁模型在CFD软件中的应用现状。     

基于灰色理论及BP神经网络的尿素水解预测模型研究

研究根据室内尿素水解试验资料,建立了以温度、水分、时间为输入因子,尿素态氮含量为输出因子,拓扑结构为3-2-1的BP神经网络预测模型,以及Verhulst灰色预测模型和零级动力学模型,并分析比较了三种模型的预测效果。结果表明:3种预测模型均能满足模拟精度要求,所建立BP神经网络模型模拟值与实测值的平均相对误差、相关系数和决定系数分别为2.39%、0.992 4和0.984 5,具有较高的预测精度和良好的稳定性,并且模拟效果明显优于Verhulst灰色预测模型和零级动力学模型,可以较好地描述尿素水解动态变化过程,为尿素水解定量研究提供了精确的科学依据。     

陕西关中冬油菜生长发育不同模型模拟精度研究

在陕西关中地区进行了连续6年(2009年9月—2015年5月)的冬油菜非充分灌溉试验,利用STICS、DSSAT和APSIM 3种不同模型对冬油菜物候期和产量等进行模拟,比较了3种不同模型的模拟精度。结果表明,3种模型中STICS模拟精度最高,平均RARE为3. 24%,APSIM模型次之,平均RARE为8. 79%,DSSAT模型最差,平均RARE为11. 38%。其中STICS模型对物候期和产量的模拟精度均为最高,DSSAT模型对物候期的模拟精度高于APSIM模型,而APSIM模型对产量相关指标的模拟精度高于DSSAT模型。由于2012—2013年生育期内降水量较低,3种模型的模拟精度均较低,说明3个模型对干旱胁迫条件下的作物生长模拟均存在一定不足。综合比较,STICS模型的模拟精度高于DSSAT和APSIM模型,因此推荐STICS模型为关中地区冬油菜生长发育和产量形成模拟的适宜模型。     

农业模型发展分析及应用案例

农业模型、农业人工智能及数据分析等技术贯穿于智慧农业的信息感知、信息传输、信息处理与控制全过程,是智慧农业的核心技术。为进一步明晰农业模型的内涵和作用,促进农业模型进一步研究及应用,推动智慧农业健康、稳定和可持续发展,本研究采用系统分析、比较及关系框图等方法,分析了农业模型的内涵,阐述了农业模型和智慧农业要素与过程的关系,明确了农业模型的作用并附以应用案例,比较了农业模型的国内外重要发展动态与趋势。国内外农业模型研究与应用重要进展比较表明,农业模型研究应用需要考虑农业生物要素的4个水平、农业环境要素的6个尺度、农业技术与农业经济要素的6个层次并采用相应方法进行,农业模型环境要素空间多尺度研究应用有较大发展潜力;农业模型与分子遗传学、感知技术及人工智能技术结合,农业模型研究应用的公私有组织协作,粮食安全挑战将成为农业模型进一步发展的重要推动力,且需更注重将各种农业系统模拟、数据库、和谐性与开放数据及决策支持系统相连接。中国农业模型研究与应用已形成具有中国特色的作物模型系列,也融入农业模型的互比较与改进、智慧农业等世界潮流,需要抢抓机遇,加快发展。农业模型是农业系统要素内及要素间关系的定量化表达,是农业科学定量与综合的重要方法,具有认识论价值,它与感知技术的结合可以在智慧农业数据获取与处理中发挥不可或缺的作用,成为信息农业技术落地应用的重要桥梁和纽带。     

作物水分与产量关系的综合模型

对描述作物耗水量与产量关系的二次函数关系模型和詹森模型 ,通过水量的当量变换 ,把描述同一生产过程的二个模型统一到一个模型内 ,这个模型具有二者的优点。该模型可以把对水量的优化转化为对土壤含水率的优化 ,而土壤含水率是一个可以随时监测和控制的因素 ,所以在应用上具有现实指导意义。     

Shuttleworth-Wallace模型模拟陕北枣林蒸散适用性分析

在生态脆弱的陕北黄土丘陵区,林地耗水是生态学者长期关注的热点问题,准确测算植物耗水量是环境水分研究的关键。根据陕北山地枣林的立地条件和蒸散过程特点,结合2012年的实测资料,确定了相关模型参数,实现了Shuttleworth-Wallace(SW)和Penman-Monteith(PM)模型对枣林蒸散量的模拟,并利用2013年茎流计监测的蒸腾量和水量平衡原理推求的蒸散量,对这2个模型进行了比较和检验。结果表明:就整个枣树生育期10 d尺度蒸散量而言,SW模型模拟精度优于PM模型。此外,2模型精度随枣树生育期变化而变化,且萌芽展叶期精度均最低。SW模型日蒸腾量模拟精度满足要求,但易受到天气状况影响,晴天模型精度优于雨天。SW模型精度在陕北山地枣林里得到验证,是半干旱区山地枣林耗水规律研究的有效工具。     

基于格子玻尔兹曼法的TOPMODEL建模与应用

依据Freeze和Harlan的水文模型蓝图思想改进TOPMODEL,在模型构建过程中利用格子玻尔兹曼法(LBM)建立汇流过程的数值模型,采用达西公式数值模型求解饱和区土壤水运动方程,运用LBM法五速模型求解非饱和区理查兹运动方程,进而构建基于栅格的分布式LBMGTOPMODEL。模型的产流方法融合了蓄满产流理论和超渗产流理论,考虑了土壤水分剖面、土壤各向异性和地形坡度等对流域产流的影响;模型的汇流方法利用地貌水文学理论,寻求水文过程与流域地形地貌的相互作用及定量关系,此模型在汇流过程中将地貌因素与水动力扩散相结合以描述坡面水流运动,解决了坡面水流的流量分配问题。以中汤流域为对象进行水文模拟应用研究,验证得到确定性系数在0.547~0.883之间,平均值为0.725,结果良好,说明模型较为可靠。     

三种作物水分生产函数模型的适用性比较

通过幂级数展开等代数变换发现,3种作物水分生产函数Jensen模型、Rao模型和Stewart模型可以近似相互转化,其各自水分敏感指数近似等价。通过在各阶段均匀受旱的特殊情况下对模型模拟的相对产量随相对蒸散发量变化过程的对比,从理论上分析了3个模型的适用性。研究发现,当作物受旱较轻微时,Rao模型和Stewart模型与Jensen模型统一具有较好模拟效果,但是当作物受旱较严重时,Rao模型和Stewart模型的模拟效果不好。通过不同气候区域不同作物田间试验的数据进行了验证计算,由于水分亏缺不十分严重,参数优化后3个模型都具有较好模拟效果,而Jensen模型模拟效果更好一些,优化得到的3种模型水分敏感指数近似相同,而采用Jensen模型水分敏感指数后,Rao模型和Stewart模型的模拟效果稍有降低。     

物理模型构建在教学中的重要性探讨

物理是研究自然界物质的基本结构、基本运动形式及相互规律的学科.现在物理试题已结合生产实践活动,学生在解决这类题目时需要把一个复杂的实际问题转化为物理过程,即物理模型的构建.物理模型能使复杂问题得到简化处理,还可利用模型训练学生发散的逻辑思维、帮助学生建立正确的求解思路. 可见,教学过程中物理模型构建的重要性.     

Field installation of a model for transient simulation of canal flow

A computerized hydraulic model developed at Utah State University was installed at a large-scale irrigation project in Northeast Thailand with the objective of improving water management in the supply and distribution system. The model was calibrated for measured field conditions by determining discharge coefficients for flow control structures, measuring seepage loss rates, and calculating hydraulic roughness coefficients. The logistical and technical problems associated with the model installation, and the respective solutions, are presented in this paper.