基于向量升维的农情异常数据实时检测方法

为提高农业物联网的数据感知质量,提出了基于向量升维的异常农情数据实时检测方法.首先采用滑动窗口机制将标准化后的时序农情数据转换为观测向量,接着将相邻向量元素差值之和作为新向量元素对观测向量进行升维,最后构建了异常数据实时检测框架.采用畜禽养殖物联网环境数据进行实验,开展滑动窗口大小取值、分类模型的异常数据检测性能与敏感性分析.结果 表明,滑动窗口大小取2为宜,提出的向量升维方法能够有效提升分类模型的异常数据检测能力,且线性核支持向量机具有较优的异常数据检测性能和计算耗时,其检测效果与数据波动性和采样间隔负相关、与异常值偏离幅度正相关.     

基于双阶段注意力机制和LSTM的鸡舍氨气浓度预测算法

为寻求准确的鸡舍氨气浓度预测方法,构建基于双阶段注意力机制和长短时记忆神经网络(Long shortterm memory,LSTM)的鸡舍氨气浓度预测模型,将该模型应用于山东省商河县某蛋鸡养殖场,采集二氧化碳(CO_2)、氧气(O_2)和氨气(NH_3)的体积分数,细颗粒物(PM_(2.5))质量浓度,温度,相对湿度时间序列数据对模型进行验证,并与支持向量回归(Support vector regression,SVR)、人工神经网络(Artificial neural network,ANN)模型和无注意力机制的LSTM模型对比研究。结果表明:1)不同时间窗口T下NH_3体积分数预测精度不同。T∈{2,3,4,8}时,均方根误差(Root mean square error,RMSE)分别为0.433 4,0.394 8,0.379 9和0.405 1μL/L,平均绝对误差(Mean absolute error,MAE)分别为0.267 4,0.262 9,0.228 9和0.272 4μL/L;2)基于双阶段注意力机制和LSTM的鸡舍NH_3浓度预测模型在RMSE和MAE评价指标框架下优于SVR、ANN和无注意力机制的LSTM模型。基于双阶段注意机制和LSTM的模型能较好地对鸡舍氨气浓度进行预测,可为鸡舍氨气浓度预测及调控提供技术支持。     

基于模型驱动的田间数据压缩采集方法研究

基于模型驱动的数据采集方法可有效降低数据传输能耗。阐述了差分自回归移动平均模型(ARIMA)、支持向量回归模型(SVR)、线性模型(DBP)和时钟驱动循环神经网络(CW-RNN)等数据预测模型的运行机制。结合空气温度、土壤湿度、果实膨大和风速等数据,探索预测模型的训练参数和误差阈值设置方法。综合考虑数据采集误差、业务数据传输率、模型更新及预测代价等指标,运用熵权逼近最优排序法(TOPSIS)评价模型适用性。结果表明:最佳训练参数与模型机制和数据对象有关,基于前期采样值自动获取误差阈值可行。模型的适用性与数据对象、节点运算资源和网络带宽有关。常量模型Constant的适用性最高,DBP模型次之。ARIMA模型可应用于带宽受限、节点运算资源较为充沛的应用场景,SVR模型可应用于高带宽、节点运算资源受限的应用场景。     

溴甲烷质量浓度检测系统的设计及试验研究

针对熏蒸处理中检测溴甲烷质量浓度时,基于单个通用型热导式传感器TCS208F检测结果易受容器内温度、相对湿度及CO_2条件干扰的问题,设计研发了溴甲烷质量浓度检测系统,系统包括热导式传感器TCS208F、数字化温湿度传感器和红外CO_2传感器,采用多元线性回归方法研究了容器内温度、相对湿度、CO_2及溴甲烷对TCS208F模块输出电压的影响,建立了溴甲烷质量浓度估计值与TCS208F模块输出电压、温度、相对湿度及CO_2体积分数检测结果之间关系的数学模型。试验结果表明:使用该溴甲烷质量浓度检测系统检测溴甲烷质量浓度时,系统将自动采集容器内温度、相对湿度、CO_2及TCS208F模块输出电压值,经数学模型处理后系统所得的溴甲烷质量浓度估计值与经安捷伦网络气相色谱仪6890N的检测结果偏差不超过1.1g/m3。在检验检疫口岸熏蒸处理中使用该检测系统检测溴甲烷质量浓度具有实用性。     

基于宽度卷积神经网络的异常农情数据检测方法

【目的】为准确有效地检测农业物联网的感知数据异常,提出了基于宽度卷积神经网络的异常农情数据检测方法,为实现农业物联网数据高质量感知提供参考。【方法】首先将标准化后的农情数据编码为极坐标表示,通过滑动窗口机制划分子集,接着将每个子集数据重构为矩阵,最后设计并训练宽度卷积神经网络模型用于异常检测,采用养殖场环境监测数据进行试验。【结果】构建的滑动窗口机制可提升异常数据检测能力,缩短检测时间。所设计的宽度卷积神经网络对空气温湿度、土壤温湿度等数据中所存在的异常检测准确率均超过97.5%,优于SVM、RF和CNN模型1.69%、2.76%和3.05%;F1值均在0.985以上,优于SVM、RF和CNN模型0.009 3、0.014 9和0.016 3;且在处理波动性较大的空气、土壤温湿度数据时性能优势更为明显,准确率和F1值分别提高了3.61%～5.98%和0.018 8～0.031 0。此外,该方法模型检测耗时较短,仅为传统CNN模型的1/6～1/7,并且比SVM和RF模型使用更少的超参数。【结论】所建立的数据编码、子集划分和重构方法与宽度卷积神经网络模型对异常农情数据有较好的检测效果。     

桑托斯盆地超临界CO_2流体体积分数识别图版

巴西深海桑托斯盆地盐下储层岩性复杂,油气层中普遍存在不同体积分数的CO_2,地层条件下CO_2为超临界流体,其密度接近于液体,黏度接近于气体,这种特殊的流体性质导致利用测井方法识别油气层中CO_2体积分数极其困难。在分析超临界CO_2流体的物理性质与相态的基础上,研究了桑托斯盆地多个油田盐下CO_2流体在地层温压条件下的测井响应特征,并应用标准化后的中子孔隙度-密度孔隙度回归模型确定了桑托斯盆地超临界CO_2流体体积分数识别图版。实际应用结果表明,该识别图版能够利用常规测井资料进行超临界CO_2流体体积分数的半定量计算,与试油结果符合度较高,取得了较好的应用效果。     

基于改进支持向量机的林业资金投资预测方法

针对林业资金投资变化的定量预测,提出一种基于改进支持向量机的预测方法.利用滑动时间窗口方法将历年林业资金投资数据构造成时间序列,将其做为数据样本集并由改进支持向量机加以训练以得到预测模型.通过某省近20年的林业资金投资数据实验验证了预测方法的有效性,实验结果表明:与传统预测方法相比,基于改进支持向量机的预测方法明显提高了投资变化预测精度.     

基于ε-支持向量回归机的小菜蛾预警模型

基于ε-支持向量回归机算法建立了小菜蛾在多发季节的预测模型,通过对广东省蔬菜小菜蛾试验数据进行分析,结果表明,在选择惩罚因子c为43、核函数参数κ为0.2的情况下,ε-支持向量回归机预警模型取得了较好的预测结果。     

基于相关向量机的交通流量预测

目的在短时间内实时性预测交通流量值是构建交通管理系统的重要内容。交通流量数据存在着不确定性、复杂性和非线性等显著特点,使流量值的实时预测难度增大,交通流量的精准预测一直是行业内亟待解决的问题。基于已有学者研究基础之上,构建基于相关向量机方法的交通流量预测模型。方法相关向量机的预测精度优于逻辑回归和支持向量机方法,且相关向量机方法具有产生预测误差范围的功能,对于实际交通流量序列数据,采用基于相关RVM的交通流量预测模型。结果预测结果十分理想,预测速度比其他2种模型明显加快,达到了交通流量预测的实时性要求,适合于实时在线预测,且所用方法的预测精度相对较高。三方面的对比分析表明,利用相关向量机方法对交通流量进行预测可以较为精确地描述出交通流量变化的非线性特点,模型性能和实时性都较好。结论实例分析表明,基于相关向量机的交通流量预测模型可以提高预测的速度和精度,非常适用于有实时性要求的交通流量预测估计,为实时性测量交通流量值提供了一种科学的方法。     

不同生境的长蕊木兰幼苗春季的光合特性

用Li-6400XT便携式光合仪对高黎贡山南段3种生境(荒草地、林下、苗圃)中生长的国家Ⅰ级保护植物长蕊木兰幼苗进行连续3d的光合特性测定,为其科学保护提供一定依据。结果显示:(1)3种生境下的幼苗净光合速率、蒸腾速率、气孔导度日变化未见"午休"现象,9:00—11:00所测值为1 d中最高;水分利用率无明显变化规律;胞间CO_2摩尔分数与其他光合参数日变化相反。(2)相关性分析显示,光合有效辐射、相对湿度、空气温度、大气CO_2摩尔分数对幼苗净光合速率的影响为,荒草地幼苗从大到小依次是光合有效辐射、相对湿度、空气温度、大气CO_2摩尔分数;林下幼苗从大到小依次是光合有效辐射、空气温度、相对湿度、大气CO_2摩尔分数;苗圃幼苗从大到小依次是光合有效辐射、相对湿度、大气CO_2摩尔分数、空气温度。(3)荒草地幼苗光饱和点为(1 284.96±48.231)μmol·m~(-2)·s~(-1)、林下幼苗(1 052.31±24.746)μmol·m~(-2)·s~(-1),苗圃幼苗(1 255.62±52.374)μmol·m~(-2)·s~(-1);光补偿点分别为(28.65±1.094)、(17.09±0.828)、(6.75±0.317)μmol·m~(-2)·s~(-1),饱和点后,三者均出现抑制现象。(4)CO_2响应曲线差别较大,其中荒草地幼苗最高,三者CO_2饱和点不明显,补偿点分别为荒草地幼苗(103.75±6.826)μmol·m~(-2)·s~(-1)、林下(102.67±5.081)μmol·m~(-2)·s~(-1)、苗圃(130.1±2.022)μmol·m~(-2)·s~(-1),说明不同生境下的幼苗光合特性存在细微差别,苗圃环境下光合特性最强。     

基于机器学习结合植被指数阈值的水稻关键生育期识别

为建立不依赖时序数据的水稻生育期识别模型,基于四波段辐射计(SKYE)获取的水稻全生育期每日的冠层光谱反射率数据,利用K近邻(k-nearest neighbors, KNN)、决策树(Decision trees)、支持向量机(Support vector machines, SVM)、随机森林(Random forests, RF)和梯度提升决策树(Gradient boosted decision trees, GBDT)共5种机器学习算法开展水稻生育期识别研究。结果表明:RF算法的识别准确率最高,达93.00%,KNN算法的识别准确率也达到了91.92%,其他3种算法的准确率也都超过90%。在此基础上,将建立的水稻生育期识别模型应用至无人机(UAV)影像数据,KNN算法适用性最好,识别准确率为83.54%,RF算法的适用性一般,识别准确率为74.38%,SVM算法的适用性最差,识别准确率仅为62.92%,但5种机器学习算法都容易错误地将抽穗扬花期识别为拔节孕穗期;而新构建的KNN算法结合可见光大气修正指数(Visible atmospherically resistant index,VARI)的水稻生育期识别模型对无人机数据的识别准确率可达86.04%,与单独应用KNN算法相比,对水稻各个生育期的识别精度更加均衡。     

基于无人机高光谱分数阶微分玉米SPAD值估算

以夏玉米为研究对象，基于无人机高光谱数据和野外玉米冠层叶片实测SPAD值，以0.2阶为步长，计算光谱0～2阶分数阶微分，分析其与玉米冠层实测SPAD值之间相关性，筛选相关系数绝对值前10波段为特征波段组合，构建并比较玉米冠层叶片SPAD值的支持向量回归模型(SVR)、反向传播神经网络模型(BPNN)和麻雀优化算法随机森林模型(SSA-RFR)。结果表明，经分数阶微分变换可显著提高与SPAD值相关性，其中以0.6阶698 nm处相关系数绝对值最大；基于分数阶微分模型整体精度高于整数阶模型，其中基于分数阶微分的SSARFR模型精度最高，R²为0.706，较整数阶提高32.46%,RMSE和MRE分别为2.444和3.579%，较整数阶降低13.46%和12.95%。     

田间条件下模拟CO2浓度升高开顶式气室的改进及其效果

为提高传统开顶式气室(Open-top chamber,OTC)在田间条件下原位模拟大气CO_2浓度升高对作物生长影响的适用性和精度,通过尺寸放大(长×宽×高=4.0 m×4.0 m×3.0 m)、形状调整(正四边形棱柱状)、新材料应用(塑钢PC结构)及内部CO_2浓度优化控制等措施对其进行了改进,并利用改进的OTC分别于2015—2016年在旱作春玉米农田原位模拟大气CO_2浓度升高的情形,通过对比玉米生育期内OTC内外CO_2浓度、温度和空气相对湿度,探讨了其模拟效果。结果表明:可控CO_2OTC内部CO_2浓度能够控制在预期值范围内,2015年控制误差范围为-17.2~0.2μmol·mol-1,2016年为-5.4~0.1μmol·mol-1,控制效果良好;可控CO_2OTC对室内气温产生了一定的影响,与气室外相比,在白天2015年平均增温0.8℃,差异显著(P0.05),2016年平均增温0.4℃,差异不显著(P0.05);可控CO_2OTC内部空气相对湿度与大田相比有所降低,2015年约降低2.4%,2016年降低了3.1%,差异均不显著(P0.05)。研究表明,改进后的开顶式气室性能稳定,模拟精度高,能够较为准确地反映CO_2浓度升高后的旱作春玉米生长,可用于今后的大田模拟试验研究。     

基于灰数灰度的土壤有机质高光谱估测

为克服光谱估测中的不确定性,利用统计回归与灰色系统理论建立土壤有机质高光谱估测模型。以山东省济南市章丘区采集的76个土壤样本为研究对象,首先对土壤光谱数据进行变换处理,根据极大相关性原则选取特征波段的估测因子,建立各特征波段的一元线性回归预测模型;其次,对各估测因子进行由小到大排序,计算估测因子排序后的土壤有机质含量的滑动方差,将滑动方差转化为灰数的灰度值,并将其用于修正估测因子,然后再建立各特征波段的一元线性回归修正模型;最后采用平均法与加权法融合各个单波段的预测值。结果表明,所建估测模型精度和检验精度均显著提高,13个检验样本的R²=0.911,MRE=7.764%。研究表明,本文建立的基于灰数灰度的土壤有机质含量高光谱估测模型是可行有效的。     

高含CO_2的多相流体系节流效应模型

CO_2驱采油过程中,为了保证集输管道的安全运行,必须准确预测其井口节流特性,以防止节流后管道发生冰堵。基于BWRS状态方程、相平衡原理及热平衡方程,提出适于高含CO_2的多相流节流效应模型。该模型在低压(5 MPa以下)范围内具有较高的精确度,计算结果与Aspen HYSYS软件计算结果对比,误差范围为±1%。研究表明:在模型适用范围内,CO_2多相流体系含CH_4、N_2、H_2这3种杂质均提高了CO_2-H_2O多相流体系节流后的温度,其中H_2对节流后温度的提升最大。节流温降随气液比的增大而增大,当气液比低于10时,气液比变化对节流后温度的影响较明显。研究结果对CO_2驱油井采出流体节流安全控制与管道冻堵防治具有指导意义。     

基于信息粒化和支持向量机的股票价格预测

信息粒化是进行海量数据挖掘和模糊信息处理的有效工具。本文提出了一种基于信息粒化和支持向量机的股票价格预测方法。利用长安汽车的股票数据,建立股票开盘价回归预测模型,该模型克服了传统时间序列模型仅局限于线性系统的情况。应用实例表明：该方法能有效地预测股票价格的变化范围。     

基于多源遥感数据的黄河三角洲人工刺槐林生物量估算

利用哨兵影像、数字地形数据及森林实地样方调查数据,分别构建K-近邻(KNN)模型、随机森林(RF)模型、极值梯度增强(XGBboost)模型、Stacking模型,实现对黄河三角洲人工刺槐(Robinia pseudoacacia)林生物量的估算。结果表明,相较于K-近邻模型、随机森林模型、极值梯度增强模型,集成学习Stacking模型明显提高了生物量估测的精度(R²=0.61、RMSE=13.42 t/hm²)。     

基于机器视觉的烤烟烟叶部位的智能识别

采集烤烟不同叶位烟叶图像并进行预处理，提取烟叶叶长、叶宽、面积、周长和最小外接矩形面积5个叶片绝对形态特征参数，计算狭长度、矩形度、圆形度、叶宽最大处占比、叶宽轴与质心夹角5个相对形态特征；通过主成分分析筛选出特征向量，构建基于K近邻算法(KNN)、逻辑回归(LR)、基于线性核函数和径向基核函数的支持向量机(SVM)和BP神经网络的烟叶部位识别模型，并对比5种模型的识别效果。结果表明：基于图像轮廓特征所提取的形态特征参数可以较为有效地反映烤烟部位特征；5种识别模型中，基于BP神经网络模型的识别效果最好，识别准确度为93.75%，训练集和测试集的模型决定系数均高于90%。     

上海气象梯度塔观测数据质量控制与运行效能评估

[目的]评估上海气象梯度塔2010~2013年观测数据质量及设备运行效能。[方法]基于上海地区现有的9座气象梯度观测塔2010~2013年的分钟级观测数据,针对气温、相对湿度、水平风向和水平风速等观测要素,根据梯度塔立体垂直的观测特点,建立了梯度观测数据质量控制模型并对梯度数据进行了综合质量控制;从数据获取率、数据疑误率、数据有效性等方面对梯度数据进行了统计与评估。[结果]2010年度的数据接收、存储最为完整,2011年度最差;气温、风速的观测数据异常情况较少,湿度和风向数据的异常较多;极值控制检查出了较多的气温异常情况;分钟连续性和小时连续性可以检查出气温和相对湿度的异常跳变;僵值检查可在每一个要素的质量控制中发挥出重要的作用。[结论]该研究可为上海地区近地层大气的风温结构特征研究提供更加准确、客观的梯度观测数据。     

日光温室主要环境参数对番茄本体长势的影响

针对日光温室环境调控缺乏理论支撑,环境信息监测利用难,作物长势难量化的问题,以北京市春夏季日光温室番茄为试验材料,采用农业物联网设备实时监测温室主要环境参数(空气温度、空气相对湿度、CO_2浓度、光照强度、土壤温度和土壤水分)和番茄本体长势参数(番茄茎直径微变化、果实直径微变化和叶面温度),借助Matlab 2014a平台建立模型,对温室中主要环境参数对番茄本体长势的影响进行研究。结果表明:1)建立的幼苗期各环境参数对番茄茎直径微变化的影响回归模型和结果期各环境参数对茎直径微变化、果实直径微变化、叶面温度的影响回归模型可以反映出不同环境参数对番茄茎直径微变化、果实直径微变化和叶面温度的影响程度;2)建立的番茄果实直径预测模型,训练集相关系数达到0.92,测试集相关系数达到0.88,满足预测需求;3)试验分析得到的幼苗期和结果期各主要环境参数的合理控制范围符合番茄实际生长环境要求。该研究可为春夏季日光温室番茄的生产环境调控提供参考,也为环境数据监测与环境调控机构的智能化关联提供了一种解决方案。