基于EMD-LSTM的猪舍氨气浓度预测研究

为提高猪舍氨气浓度预测的精度和效率,提出了基于经验模态分解和长短时记忆神经网络(EMD-LSTM)的猪舍氨气浓度预测模型。首先,将猪舍氨气浓度时间序列数据进行经验模态分解,得到不同时间尺度下的固有模态分量(IMF);然后,对IMF建立LSTM氨气浓度预测模型;最后,将各分量的预测结果相加求和作为猪舍氨气浓度的最终预测值。将本文提出的预测模型应用于江苏省宜兴市实验基地某养猪场的氨气浓度预测中,并与Elman模型、循环神经网络(RNN)模型、LSTM模型和EMD-LSTM模型进行了对比实验,结果表明,基于EMD-LSTM模型的预测精度较高,预测结果与真实值相比较,平均绝对误差、平均绝对百分误差和均方根误差为0. 072 3 mg/m~3、0. 6257%和0. 094 5 mg/m~3。     

基于LightGBM-SSA-ELM的新疆羊舍CO2浓度预测

为减少肉羊集约化养殖过程中因环境恶化产生的应激反应,精准调控CO2质量浓度,提出了基于分布式梯度提升框架(LightGBM)、麻雀搜索算法(SSA)融合极限学习机(ELM)的CO2质量浓度预测模型.首先利用LightGBM筛选出与CO2质量浓度相关的重要特征,降低预测模型的输入维度;然后选择Sigmoid为激活函数,使...     

基于状态预测的田间机-地传感器系统协同采集方式研究

基于旋翼无人机的低空、低速、利用旋翼风场作业等飞行特征,采用机载北斗定位系统获取精准机体实时观测值,协同地面风速传感器构成机-地传感器采集系统,尝试对具有稳定飞行轨迹的无人机进行状态预测。在充分讨论飞行状态的预测策略、可预测性、起始点确定等问题基础上,建立状态预测模型,设计状态预测算法用以自动判定传感器采集时段的起始点。依据算法展开冠层风速田间采集试验,对于无人机预测状态数据和实际观测数据做了对比分析,发现在可置信度为99%水平时,两者无差异的概率P值为0.956;同时统计出X、Y、Z向风速最大值出现时刻均值分别为3.036、2.427、3.145 s,计算出对应的标准差分别为0.79、0.87、0.98 s,说明3向风速最大值出现时刻在5 s采样范围内具有较明显的区域性,验证了采集时刻的准确性,表明机-地协同实时采集旋翼风场数据的有效性得到了显著提高。     

基于LWCA-SVM模型对洪泽湖饮用水源地二河闸断面水质的预测分析

二河闸位于洪泽湖出湖口,是二河上游重要的饮用水安全监测断面,为了对其富营养化指示因子TN和TP以及波动幅度较大的DO指标准确的预测,提出了基于领导者策略狼群搜索算法和支持向量机模型的饮用水水源地水质预测模型。对初始狼群进行了敏感性分析,得到狼群数量超过150时,模型的寻优效果最佳;利用LWCA-SVM模型对水质进行预测,得到DO、TN和TP的MSE、MAPE和Pearson系数依次分别为0.791、6.79%和0.931,1.32×10-4、0.5%和0.907,4.49×10-5、5.0%和0.903,说明基于LWCA-SVM的二河饮用水源地水质预测模型预报精度高,推广适应能力强,为二河水质预测提供了一种新方法。     

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SGA-RF算法的农业土壤镉浓度反演研究

在农业土壤重金属高光谱检测领域,土壤镉元素近红外光谱的高维、高冗余特性会严重影响高光谱反演模型的准确性和稳定性。为了解决上述问题,本文提出一种基于斯皮尔曼相关分析的遗传随机森林特征选择算法(SGA-RF)。该算法首先对初始特征集合使用基于斯皮尔曼相关分析的特征预选方法,筛选出大量冗余波段,保留与镉元素相关性最强的特征波段;其次在特征精选阶段,提出一种基于随机森林的适应度函数评估方法,该方法充分结合遗传算法强大的全局搜索能力和随机森林算法较高的反演能力,提高了对相似个体的区分能力,获得具有最小冗余度和最大区分性的最优特征波段子集。为了验证所提算法的有效性,选取青岛市大沽河流域具有代表性的124个土壤样品为实验对象,利用SGA-RF算法将原始2 051个波段优选至37个最具代表性的敏感波段,并与现有特征选择算法所建模型进行对比分析。试验结果表明,该特征选择方法与随机森林回归模型相结合具有较低的预测均方根误差(0.060 1),较高的相关系数(0.950 2)和预测相对分析误差(2.03)。作为应用可见/近红外光谱技术定量反演农业土壤镉浓度的重要步骤,SGA-RF算法以较少的敏感波段达到了较高的反演效果,可为监测土壤重金属污染情况提供一定的理论依据。     

基于动态协同的系统设计

对于传统信息交流模式难以及时、准确和全面地为决策提供服务信息的问题,探讨了一种基于动态协同工作的信息平台;对协同动态工作流驱动和协同消息服务驱动等进行了详细的讨论。     

基于BP神经网络的降雨量预测研究

使用2种方法,即用前5年降雨量来预测后1年的降雨量和用气象资料预测降雨量,应用BP神经网络对降雨量进行预测,试图找出应用BP神经网络预测降雨的最佳方法.通过对青海省10个气象站的降雨进行预测分析,得到结论如下:两种方法均适合于降雨预测,其被选择概率均等.     

基于Prophet的生姜价格预测研究

针对农产品价格波动的非线性特征明显、传统时间序列预测方法预测精度不高等状况,构建基于Prophet的农产品价格预测模型,并以生姜为例展开研究。选取2012—2018年生姜每周平均价格数据为研究对象,在对生姜价格的趋势周期分解基础上,通过对生姜价格序列分解的趋势项、周期项和随机项分别进行建模组合实现对2019年上半年生姜价格的预测,并利用统计分析方法对模型性能进行评估。试验结果表明,Prophet算法预测结果的平均相对误差为4%。将Prophet模型的预测结果和BP神经网络预测结果进行比较,其均方误差(MSE为0.20)小于BP神经网络预测结果的均方误差(MSE为0.37)。Prophet预测模型具有较高的预测精度,在农产品价格预测方面具有较广阔的应用前景。     

基于CEEMDAN-VMD-TCN-lightGBM模型的水质预测研究

针对目前水质预测模型中因为数据本身的复杂性、在信号处理过程中存在的噪声干扰以及分解深度不够导致单一分解难以全面捕捉信号非线性特征的问题,提出了一种基于二次分解的水质预测模型。该模型采用完全自适应噪声集合经验模态分解（CEEMDAN）对原始数据进行分解,再利用变分模态分解（VMD）对熵值最高的模态分量进行二次分解,最终将处理后的时间序列输入到TCN-lightGBM多特征预测模型中。同时,采用麻雀算法（SSA）对预测模型进行优化。以山东省玉符河水质为例,本模型的均方根误差（RMSE）是0.105 3,平均绝对误差（MAE）是0.081 5,决定系数（R2）是0.947 1,与GRU、LSTM、LightGBM、TCN等当下较为流行的模型的预测指标进行比较。结果显示,在R2上本模型提升了53.04%、70.41%、66.07%、65.20%等,在RMSE上减少了62.76%、65.50%、64.93%、64.80%等,在MAE上降低了62.76%、66.24%、63.80%、65.24%等。由此可知,基于CEEMDAN-VMD-TCN-lightGBM的模型具有更好的预测性能、泛化能力和捕...     

基于MFOA-ELM的水质等级预测研究

为提高水质评价模型的预测精度和适用性,针对极限学习机性能受输入权重W_i和隐含层偏置b_i的影响,提出一种基于修正因子的果蝇算法优化ELM的水质评价模型。选择2012—2017年巢湖水质监测数据为研究对象,与FOA-ELM、PSO-ELM、GA-ELM和ELM对比发现,MFOA-ELM具有更高的预测精度,精度高达98.36%,并且具有更快的收敛速度,可以广泛地应用于水质评价和预测。     

基于人群搜索算法的多电机协同控制研究

单轴跟踪响应是多伺服电机协同控制的关键技术之一,针对此,文章提出了一种基于人群搜索算法的SOA-PID控制器的控制策略。该策略基于搜索和进化思想的群体智能算法,融合PID控制,设计了SOA-PID控制器,提高了PID参数的优化效果和优化速率。仿真结果表明,SOA-PID控制器优化后的PID参数有收敛快、扰动小等特性。     

基于CEEMDAN-QPSO-BLS模型的径流预测研究

准确的径流预测是水资源优化配置和高效利用的前提,是制定防洪减灾决策的基础,然而受到人类活动、环境、气候等因素的影响,径流序列呈现出非线性、非稳态、多尺度变化的特点,这为径流的精准预测增加了难度。为提高径流预测的精准度和可信度,结合自适应噪声完备集合经验模态分解（Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN）方法,量子粒子群优化算法（Quantum Particle Swarm Optimization,QPSO）、宽度学习系统（Broad Learning System, BLS）模型,提出了一种基于CEEMDAN-QPSO-BLS组合式的径流预测模型。该组合模型首先使用CEEMDAN方法对原始径流信号进行分解,得到若干相对平稳的本征模态分量。其次利用QPSO算法对BLS模型的特征层节点组数、增强层节点组数和组内节点数进行寻优,得到最优的宽度学习网络拓扑结构,进而使用最优的QPSOBLS对多个稳态分量进行预测,并对预测分量进行重构,从而获得更高的预测精度。以黄河流域小浪底水库的日径流...     

基于神经网络的电动汽车SOC预测研究

电动汽车荷电状态(SOC)直接影响着车辆的续驶里程,是电动汽车综合性能中最为重要的参数之一。由于影响荷电状态的因素众多,而且车辆行驶工况复杂多变,难以构建精确的数学模型用于分析荷电状态变化规律。本文利用神经网络构建电动汽车SOC预测模型,并将影响SOC行车状态时的变化因素电池组电压以及车速作为重要参数输入模型对下一时刻的SOC参数变化进行预测,通过大量实验数据分析拟合计算表明本文建立的电动汽车SOC预测模型精度较高,能够用于SOC的预测分析,并为电动汽车提升综合性能提供参考意见。     

河套灌区地下水位的空间变异性及其克里金估值

对1997-2001年河套灌区203个观测井的年均井水位高程进行常规的统计分析和地统计学分析,结果表明地下水位高程分布符合正态分布,实验半变异函数符合一般的球状模型。从获得的参数可知,1997-2001年期间,水位高程的相关尺度各年均存在着表现相似的几何各向异性,在搜索方向为310°左右时为变程长轴,变程大约134 km,在40°左右为相应的短轴,变程大约为60 km。同时各个年份计算结果均显示有块金值,说明在小于变程的空间尺度上仍然存在随机效应。最后运用克里金方法对该河套灌区的地下水位高程进行了空间插值成图。     

基于发动机转速的拖拉机机组协同控制研究

拖拉机进行犁耕作业时受到土壤特性、道路坡度等不确定因素的影响,故针对拖拉机在作业中外部干扰的复杂与多变性,提出一种发动机转速-耕深协同控制的方法。基于AMESim与Simulink建立了拖拉机纵向动力学模型,考虑犁耕作业时土壤特性变化下农具牵引阻力的变化,通过对档位、油门位置、犁具耕深的控制实现了机组的综合自动化控制,获得了良好的动力性。仿真结果表明：在土壤阻力增加较小时,牵引阻力增加,发动机转速将降低,此时油门位置将增加以避免换挡;土壤阻力增加较大且油门位置为最大时,作业机具将小幅提升以避免转速急剧掉落;极限情况下,拖拉机将降挡以避免发动机熄火。台架试验表明：所提出的控制方法可实现通过减小耕深而保证发动机稳定运转的效果。     

基于氮氧同位素的深水湖泊硝酸盐来源辨析

硝酸盐负荷对水体的影响已成为国内外广泛关注的问题.明确水体硝酸盐负荷的主要来源,是精准制定流域氮污染控源减排策略的基础.该研究以深水湖泊千峡湖为研究对象,通过对湖水水化学特征、硝酸盐氮氧同位素组成及各来源(降水、生活污水、肥料、沉积物及周边土壤)氮氧同位素组成的监测研究,定性分析了千峡湖水体硝酸盐变化趋势及其主要来源....     

基于酶传感的农药浓度快速检测装置研究

基于酶传感对农药浓度进行检测,设计了以丝网印刷酶电极作为敏感元件、由SOC单片机和微电流测量电路组成的检测装置。通过与CHI660B型电化学工作站测量对比实验可知:该装置对微电流测量的精度达0.01uA,最大误差小于0.19uA,检出时间小于3min;装置尺寸小,适合于现场农药浓度的快速检测。     

农村安全饮用水立法的必要性研究

农村饮用水安全是农村居民最直接最现实的民生工程，是备受关注的一项民生议题，建立健全饮水安全法律法规是全面解决农村饮水安全的根本保障。阐述农村饮用水安全现状，涉及农村饮水的法律法规现状，分析饮水安全需要法制作为保障，以及农村饮用水监管方面的问题。到目前为止，我国并没用专门针对农村饮用水安全的法律法规，缺少法律法规的支撑，难以保障农村饮水工程的长期效益。因此，制定“农村安全饮用水条例”，规范农村饮用水相关方的行为，是非常必要的。     

基于PSO-SVR的植物纤维地膜抗张强度预测研究

为快速、准确地对生产过程中植物纤维地膜抗张强度进行预测,降低生产成本,提高原料利用率,以植物纤维地膜中试平台为依托,基于粒子群算法(PSO)优化支持向量机回归(SVR)模型,结合正交试验设计L25(56)方法,以纤维打浆度、施胶剂添加量、湿强剂添加量、地膜定量、混合比作为模型输入参数,以植物纤维地膜抗张强度为输出进行模拟预测,并将模拟结果与SVR、BP、RBF智能算法模型进行对比分析。结果表明:PSO-SVR模型能够较好地表达植物纤维地膜抗张强度与模型参数间的非线性关系,并能根据输入参数快速准确地对植物纤维地膜抗张强度进行预测,测试集样本中预测值与实际值间均方误差、决定系数和均方根误差为0.117 N2、0.915、0.342 N;与其他智能算法(SVR、BP、RBF)相比,PSO-SVR算法模型具有更高的适用性与稳定性。研究结果可为生产过程中不同抄造工艺参数下植物纤维地膜抗张强度的在线监控提供参考依据。