加权马尔可夫链理论在肉类产量预测中的应用

为准确反映肉类产量的波动特征,基于加权马尔可夫链理论提出了灰色残差修正模型,采用均值-均方差分级法,将残差灰拟合精度指标划分为4个状态,利用加权马尔可夫链理论对残差预测值进行修正.以1994-2011年郑州市肉类产量为基础,建立预测模型进行实证分析,并在模型中加入等维信息,结果表明,与传统的灰色预测相比,预测平均相对误差由21.88％降低为1.312％,较好地提高了预测精度.     

自主导航农业机械避障路径规划

【目的】实现自主导航农业机械作业时静态障碍物避障功能。【方法】在已知工作环境条件下提出2种避障路径规划算法。以农机运动规律为基础,依据障碍物位置和尺寸信息提出单障碍物避障算法。在单障碍物避障算法基础上,依据安全行驶区域大小,参考左右双向避障策略提出双/多障碍物避障算法。【结果】单障碍物位于不同位置、农机行驶速度为0.3 m·s~(-1)时,行驶路径分别比L算法减少35%、26%,行驶路径累计误差减少53%、82%,方差减少64%、66%;行驶速度为0.5 m·s~(-1)时,行驶路径减少38%、22%,行驶路径累计误差减少66%、62%,方差减少41%、71%。多障碍物路况,农机行驶速度为0.3、0.5 m·s~(-1)时,行驶路径累积误差分别为9.99、4.13 m,方差分别为0.022 1、0.027 0 m2。【结论】本文算法在行驶路径、行驶路径累计误差、规划路径跟踪稳定性和路况适应性上均体现出一定优势。     

基于灰色神经网络与马尔科夫链的城市需水量组合预测

【目的】针对城市需水量预测系统具有非线性和随机波动性的特点,建立基于马尔科夫链修正的组合灰色神经网络预测模型,以提高模型的预测精度。【方法】比较分析灰色GM(1,1)模型、BP神经网络模型以及二者线性组合的灰色神经网络预测模型的预测效果,建立基于马尔科夫链修正的组合灰色神经网络预测模型,并以榆林市2000-2009年的用水量实际数据为研究对象,通过实例比较分析模型的检验预测精度。【结果】经马尔科夫链修正处理后,建立的基于马尔科夫链修正的灰色神经网络组合模型的预测精度更高,预测误差的绝对值均小于4%,且均方差σ为1.00,小于组合灰色神经网络模型与GM(1,1)模型、BP神经网络模型预测误差值的均方差。【结论】基于马尔科夫链修正的组合灰色神经网络需水量预测模型,对城市需水量的预测优于灰色神经网络及各单项预测模型,不仅预测精度高,而且能同时反映出数据序列发展变化的总体趋势和系统各状态之间的内在规律,适合描述随机波动性较大的预测问题。     

葡萄园拖拉机自动导航系统设计与试验

【目的】为了实现拖拉机在葡萄园内的自动导航控制.【方法】设计开发了一套导航控制系统,该系统采用变论域模糊法作为导航控制决策,系统通过输入横向偏差和航向偏差的变量,改变模糊控制论域,提升系统的自适应能力,使得系统响应速度更快精度更高,提高拖拉机在葡萄园复杂的环境导航效果.【结果】试验结果表明:当拖拉机以0.25 m/s和0.35m/s的作业速度行驶时,导航的平均横向偏差分别为2.46、2.77 cm,最大偏差分别为5.36、14.68 cm,均方差分别2.92、4.79 cm.【结论】设计的导航控制系统基本满足拖拉机在葡萄园内导航作业需求.     

基于BP神经网络的农资库存数据插补技术

当前一般按照数据的后验分布,为缺失值插入估计值,通常低估了统计量的方差,导致统计量估计置信范围降低,检测显著性降低。为此,提出1种新的基于BP神经网络的农资库存数据插补技术。为了增强不同年份农资库存数据的可比性,对数据进行归一化处理。针对训练的BP神经网络,通过平均绝对误差、均方误差、平均预测误差、平均绝对百分误差完成统计分析,评价模拟值和观测模拟值间的离散程度。分析了BP神经网络结构,对农资库存数据进行插补的过程中,构造双向时间识别序列,改变应用前一时间段农资库存数据预测后期数据的传统方式,采用缺失时间段前后已有农资库存数据共同对缺失数据进行预测。完成农资库存数据的处理后,需对已有样本进行训练,如果检验拟合度指标值高于0. 8,则认为训练结果可靠,从而完成对缺失值的预测,实现农资库存数据插补。试验结果表明,所提技术插补精度高。     

基于星基增强精密单点定位的农机自动导航系统开发与测试

目的 开发基于星基增强精密单点定位的农机自动导航系统。方法 以国产雷沃TX1204拖拉机为平台,采用国产星基增强定位板卡的输出数据作为农机位置反馈量,设计位速卡尔曼滤波器对定位数据进行滤波处理,开发预瞄跟随PID路径跟踪控制算法进行导航控制,整定不同行驶速度条件下的模型控制参数,采用地基增强RTK高精度定位接收机输出数据作为参考量,搭建农机自动导航测试系统并开展系统性能测试。结果 在直线跟踪误差方面,所开发的农机自动导航系统平均误差为?0.0009436 m,标准差为0.02452 m,最大误差绝对值为0.08472 m;在邻接行误差方面,平均误差为0.0007128 m,标准差为0.02986 m,最大误差绝对值为0.15444 m。这一精度可满足大部分农机自动导航作业需求。结论 将国产星基增强精密单点定位技术用于农机自动导航是可行的;本文设计的预瞄跟随PID路径跟踪控制模型和提出的不同速度条件下PID参数与前视距离的整定方法,提高了系统对不同速度的自适应能力。     

基于灰色GM(1,1)模型的城市人口规模预测——以大同市为例

很多不可控制因素会对城市人口的发展形成影响,灰色GM(1,1)模型通过规避不可控制因素,在规模预测方面展现其优越性、可靠性。本文基于灰色GM(1,1)模型对大同市城市人口发展模型进行了构建,通过相对误差检验、x(0)(t)与x-(0)(t)灰色绝对关联度ε检验、均方差检验和小误差概率检验得到模型精度较高,大同市在预测年2016-2020年的城市人口数量分别为221.21、229.59、238.24、247.25和256.61万人,城市人口增长较快,人口压力较大。     

人工神经网络在通量观测资料插补中的应用

采用人工神经网络双向时间序列插补模型,利用缺失数据前后已知的观测数据,插补出短期缺失通量数据;应用人工神经网络环境因子辅助参证模型,利用各种与标量通量存在明显生态学响应关系的环境因子观测资料预测长期缺失通量数据.并结合Forest Site Mongolia森林生态定位站2003年的NEE观测资料,人为剔除一定比例的数据,分别用平均昼夜法(MDV)和非线形回归法(MM-S)以及2种人工神经网络模型将剔除的数据补齐,用各种插补方法得到的结果与原NEE观测资料进行对比.结果表明:2种基于人工神经网络的插补模型对通量观测缺失数据能够进行较好的插补.     

基于GM(1,1)模型的四川粮食产量预测研究

中国人口众多,粮食安全关系到国计民生,加强粮食产量预测有利于确保粮食安全。根据2001—2015 年四川粮食产量的历史数据,运用灰色系统理论,建立基于弱化缓冲算子的GM(1,1)预测模型,通过残差、级比偏差、关联度、后验差检测、模拟数据检查对模型的合理性和精度进行误差检验,并应用模型预测未来3 年的粮食产量。研究结果表明,灰色系统理论GM(1,1)适用于粮食产量预测且具有较高的精度。预测了2016、2017、2018 年的粮食产量同比增长分别为-2.11%、-0.39%和1.21%,由此得出未来粮食产量将在波动中增长。     

山区公路弯道车辆轮迹集中分布区的识别

为识别山区公路弯道车辆轮迹集中分布区,实现对轮迹集中分布区内的交通标线和道路结构的建设与养护,基于实地行车状态数据,采用BP神经网络建立了双车道公路弯道左、右转车辆轮迹模型;采用重心聚类法对驶经弯道的车辆进行分类,根据道路参数和占比最大车辆入弯时行驶状态的临界值,建立轮迹模型,计算出弯道左转车辆、右转车辆和左、右转车辆叠加轮迹集中分布区.结果表明:弯道的左、右转车辆叠加轮迹集中分布区内的交通标线范围为-28.54～-24.38 m和-13.20～18.67 m;叠加轮迹集中分布区在道路横断面方向上的分布是-150～50 cm.     

基于BP神经网络与灰色模型的干旱预测方法研究

为了提高降水量预测的精度,采用BP神经网络与灰色模型相结合干旱预测的理论方法,研究数据的灰色建模与预测,再对模拟值与真值残差进行BP网络建模,利用残差模拟值修正总体降水量预测值,并对朝阳地区降水量进行预测。研究结果表明:BP神经网络与灰色模型预测相结合降水量平均预测误差为0.0799,比单纯用灰色模型预测误差降低0.1311,说明BP神经网络与灰色模型相结合的预测方法适合朝阳地区降水量的预测。     

基于灰色数列预测模型的耕地变化预测——以贵州省普安县为例

简述了贵州省普安县气候及耕地面积情况,介绍了构建灰色数列预测模型的6个步骤,即序列生成、均值生成、建立GM（1,1）模型、还原生成、可靠性检验、外推预测。根据1998～2007年普安县的耕地面积数据,运用灰色系统理论建立了普安县耕地面积灰色数列预测模型,该模型通过了可靠性检验,拟合精度较高,可进行外推预测。基于构建的灰色数列预测模型对普安县2009～2012年的耕地面积变化情况进行了外推预测。预测结果表明,2009～2012年,普安县预期耕地面积将减少1 050 hm2,年均减少270 hm2,耕地面积呈逐年下降的趋势;预测模型结果与实际值接近,预测误差较小,是基本可信的。     

灰色残差GM (1 , 1)模型在大气二氧化硫预测中的应用

应用灰色GM (1 , 1)模式理论与方法, 建立了临安市大气二氧化硫质量浓度的灰色残差预测方程x (t +1) =-0.107 432 e-0.095 872 t +0.123 917 , 并进行了预测。预测结果与实测值的相对误差绝对值介于0.56 %～ 14.51 %之间, 预测结果后验比与小误差概率分别为0.280 2 和1.0 。表明模型与实测值拟合程度好, 达到了较高精度。表3 参10     

基于BP神经网络的材料腐蚀预测模型

通常使用灰色系统理论的方法对材料腐蚀数据进行拟合预测,为了深入研究材料的腐蚀特性和使用寿命,提出了材料腐蚀数据预测的神经网络模型.并将预测结果与灰色系统理论、回归模型等方法的预测结果对比,表明利用神经网络模型方法对材料腐蚀数据进行拟合预测具有一定的合理性,指出了进一步的研究方向.     

灰色残差GM(1,1)模型在大气二氧化硫预测中的应用

应用灰色GM（1，1）模式理论与方法，建立了临安市大气二氧化硫质量浓度的灰色残差预测方程x(t 1)=-0.107432e^-0.095872 0.123917，并进行了预测，预测结果与实测值的相对误差绝对值介于0.56%－14.51%之间，预测结果后验比与小误差概率分别为0.2802和1.0。表明模型与实测值拟合程度好，达到了较高精度，表3参10。     

基于BP神经网络的材料腐蚀预测模型

通常使用灰色系统理论的方法对材料腐蚀数据进行拟合预测,为了深入研究材料的腐蚀特性和使用寿命,提出了材料腐蚀数据预测的神经网络模型。并将预测结果与灰色系统理论、回归模型等方法的预测结果对比,表明利用神经网络模型方法对材料腐蚀数据进行拟合预测具有一定的合理性,指出了进一步的研究方向。     

农用车辆级联式直线路径导航控制方法研究

农用车辆导航控制是精准农业作业体系的重要组成部分,是支持农用车辆田间自动精准作业的关键技术。由于在大型农田中直线路径跟踪是农用车辆的主要作业模式,本研究针对直线路径跟踪问题提出一种级联式导航控制方法。首先讨论了农用车辆的级联式导航控制结构,并依此将导航控制任务分解为路径跟踪控制和转向控制两个级联的控制任务。然后推导出了农用车辆的相对运动学模型,并基于该模型针对路径跟踪控制任务提出了一种最优PD控制方法;为了提高转向控制子系统的性能,在转向控制任务中提出了一种基于过渡过程的改进PD控制方法,最后进行了方法的试验验证。试验数据分析结果表明:在直线路径跟踪过程中,横向位置误差的平均值为0.02 m,标准差为0.04 m,完全满足农用车辆直线路径跟踪作业的要求,验证了所提方法的有效性和优越性。     

自然群体多性状表型缺失值预测方法的比较

[目的]本文旨在探索不同情况下多性状联合插补分析对缺失表型的预测效果.利用统计学方法对缺失表型进行有效预测,可以增大样本量并提高数据分析的准确性.[方法]利用均值法、K邻近(K-nearest neighbor,KNN)、决策树、多重插补法(multiple imputation by chained equation...     

凸轮廓线插补误差及插补点的分割

论述了在ＮＣ机床上加工凸轮廓线时轮廓插补误差的确定方法,指出了直线插补和圆弧插补的应用范围,建立了分割插补点的表达式     

GM(1,1)模型的中国农业经济发展趋势分析

选取2002-2012年全国农业总产值数据,依据灰色系统理论对全国农业总产值进行灰色关联分析。根据数据建立了全国农业总产值的灰色GM(1,1)预测模型,预测结果表明,运用灰色系统模型的方法对全国农业经济总产值的预测与实际偏差很小,模型具有较强的预测能力。