吉林通化地区稻瘟病发生程度气象等级预报方法

为了更好地开展稻瘟病的防治工作,需要对稻瘟病发生程度具有预报能力。笔者利用通化市1995—2012年气象资料,对稻瘟病促病气象指数进行计算,并与稻瘟病实际发生程度（将稻瘟病发生程度分为3个级别：轻度、中度和重度）进行相关分析,利用统计手段建立稻瘟病发生程度气象等级预报模型。结果表明,模型回报检验总体确率达到76.4%,试报检验效果较好,预报模型具有一定的可用性,可为通化市稻瘟病的防治工作提供一定的科学依据。同时,根据通化市稻瘟病发生的特点,给出了稻瘟病发生程度气象等级预报制作与发布的时间,以及稻瘟病的最佳防治时间。     

人工神经网络在作物基因组选择中的应用

目前, 基因组选择育种主要采用线性模型估计遗传育种值指导作物遗传育种的筛选过程, 但是生物体内的基因以及遗传位点的关系主要是复杂的非线性调控。本研究将人工神经网络技术应用到作物基因组选择育种中, 对现有的作物基因组选择育种模型进行优化, 建立了高效的作物基因组选择预测系统, 并与其他线性回归预测模型进行比较。通过分析小麦的育种数据发现, 基于人工神经网络的遗传育种估计效果优于其他线性回归预测模型, 预测育种值与实际育种值间的相关系数平均值达到0.6636, 相应的岭回归BLUP、贝叶斯线性回归模型和基于系谱信息的贝叶斯回归模型的预测能力分别为0.6422、0.6294和0.6573; 最优的预测效果达到0.8379, 远高于其他2种模型的最优结果。同时, 基于人工神经网络的基因组选择模型的预测效果稳定, 与传统的统计模型相近, 因此, 利用人工神经网络技术建立基因组选择是可行的。     

遗传算法优化人工神经网络模型在日光温室湿度预报中的应用

提出一种基于遗传算法优化BP神经网络的方法预测日光温室湿度环境因子。实测日光温室内影响空气湿度的环境因子组成数据样本作为神经网络的输入,采用基于实数编码的遗传算法替代随机设定神经网络的初始权阈值,然后通过改进的BP算法在由遗传算法确定的搜索空间中对网络进行精确训练。模型预报值和实测值基于1：1线的决定系数R2和预测平均相对误差MSE分别为0.9857和3．1％。结果表明,遗传算法优化BP神经网络预报模型收敛速度快、预测精度高。可为日光温室的湿度环境调控制提供理论依据和决策支持。     

小麦品种天宁 38 号及高产栽培技术

天宁38号是弱春性偏半冬小麦品种,具有矮秆早熟、分蘖力强、适应性广等优点,2018年通过河南省农作物品种审定委员会审定(豫审麦20180043)。对该品种的特征特性、产量情况及高产栽培技术要点进行了阐述。     

灰色系统理论在小麦育种中的应用

根据育种目标,运用灰色系统的理论和方法——杂交组合灰色评判法,对小麦F1代杂交组合的各主要性状,进行综合分析,比较其灰色关联度,确定出优良组合,然后有针对性地进行选择,减少不必要的种植规模,节省人力、物力和财力,有效地提高育种效率,为新品种选育提供科学依据。     

杂交组合灰色评判在小麦育种中的应用

运用灰色系统的理论和方法，根据育种目标，对小麦F1代杂交组合的各主要性状，进行综合分析，比较其灰色关联度，确定出优良组合，为小麦品种的选育提供科学依据。     

玉米秸秆还田技术在小麦栽培中的应用探讨

小麦是主要粮食作物之一,也是人们日常膳食中不可或缺的最基本原材料,小麦的年产量及国际市场需求量很大,所以必须优化与调整小麦栽培技术。在实际应用中,可以利用玉米秸秆还田等优质高产栽培技术调整与完善小麦栽培工作,提高小麦栽培品质和种植产量,达到小麦高产栽培目标。文章分析了玉米秸秆还田过程中易出现的问题及影响因素,提出通过科学的种植、施肥、浇水、化学除草和除虫等方法,优化调整与完善小麦种植各环节的管理措施,实现小麦高产栽培目的。     

灰色系统理论在小麦新品种综合评判中的应用

根据灰色系统理论中关联度分析法,对2005年国家小麦新品种展示的17个品种进行综合评价.结果表明,矮抗58表现最优,温麦19号、周麦18、豫麦49-198、温麦18、郑麦004和濮麦9号也优于对照,其他品种较差,综合评判结果与各参试品种的生产实际表现基本一致.该分析方法为品种的综合评价提供了更直接的量化指标,对作物新品种的审定、筛选有重要指导意义.     

灰色系统原理在小麦新品种（系）中的应用

为有效地指导河南省不同生态类型区小麦品种合理布局,采用品种灰色布局原理与方法,对河南省2007-2008年小麦品种区域试验资料进行了分析。结果表明,郑丰99515、W3242、花培87-8综合性状较好,适应性较广,应当在河南省大面积推广。通过与品种区域试验联合方差分析的方法比较,进一步证实了品种灰色布局原理与方法切实可行,对于小麦品种科学合理布局具有重要的指导意义。     

植保技术在小麦高产栽培中的应用解析

随着我国社会经济的高速发展,人们对美好生活更加的向往,在物质上也有了更高层次的需求。小麦作为我国三大谷物之一,是我国重要的粮食来源,因此小麦的产量、质量都会对我国粮食安全以及社会稳定产生直接影响。在这样的时代背景下,小麦高产栽培技术成为保证小麦增产的重要技术。文章简要分析了植保技术在小麦高产栽培中的应用,以供有关人士参考、借鉴。     

人工神经网络与近红外光谱分析

介绍了人工神经网络的原理、结构、算法和研究进展,以及该方法在近红外光谱分析中的重要地位和应用。     

用模糊神经网络提高洪峰预报精度的研究

在大量研究的基础上,提出了基于模糊理论的神经网络改进算法,用来提高对洪峰的预报精度。该方法在网络训练时引入模糊理论来确定网络误差修改的程度。引入的算法增大了大值输出样本和期望输出的误差,使得网络向着提高洪峰拟合精度的方向修改权重。应用表明,改进的模糊BP神经网络能够较好的反映洪水演进机理,提高了神经网络洪水预报模型对洪峰的预报精度,保证了洪峰预报的可靠性。     

Data Analysis Method for Neural Network Based on Short-term Load Forecasting

In neural network based short-term load forecasting, complexity and redundancy of input data have a negative effect on network training efficiency and forecasting precision. Focusing on solving this problem, a multiple method of data processing is developed. Firstly a method called input variable contribution analysis is applied, which divides input variables into primary variables and minor variables according to their contribution to network output. Minor variables are tossed out. Then principal component analysis is applied to primary variables to eliminate linear correlation among them, thus reduce the variable dimension. Based on this method, the main components are gotten, and then simplified network structure is designed. The result shows that after data processing, the training time is reduced noticeably and forecasting precision is enhanced.     

土壤类型分析的自组织人工神经网络模型

提出土壤类型分析，识别的人工神经网络模型，并对黑龙江省松花江地区的土壤类型进行了研究，结果表明，该方法具有容错能力强，识别速度快的优点，可望成为土壤分类工作的有效的辅助手段。     

南充市水稻稻瘟病区划和发生流行规律研究

为提高南充市水稻稻瘟病监测预警和综合防控水平,切实减轻稻瘟病危害,采用GPS和GIS定位、系统监测和普查、品种抗稻瘟性鉴定、稻瘟病菌生理小种监测和气象资料分析等方法,开展了南充市水稻稻瘟病发生流行区划、精准勘界和发生流行规律研究。首次明确了南充市稻瘟病的流行区划和精准勘界,探明了水稻稻瘟病菌越冬后的初始侵染源(即始见期)地点、发生特点、流行趋势和特点,明确了南充市水稻稻瘟病在田间存在4个流行高峰期,其中第1个流行高峰期发生面积对当年病害流行起着决定作用,5月底的累计发生面积与年发生面积成正相关,相关系数为0.8172;建立了孕穗末期病田率和蜡熟期病株率同年发生面积预测数学模型。对其成因探讨发现,导致南充市近年水稻稻瘟病重发及流行的内因是水稻品种抗稻瘟能力的降低或丧失、稻瘟病菌致病力强的生理小种增加与更强致病力的小种出现;温度适宜和阴雨寡照偏多是造成稻瘟病在南充市流行的外因。2001—2015年,全市水稻稻瘟病短期预报准确率达100%,中、长期预报准确率分别达到98%和95%以上,比1997年以前提高5~15个百分点,促进稻瘟病防效提高15%~30%。     

Application of Artificial Neural Network in Elastic Internal Force Analysis of Two Way Slab

In this paper, the Artificial Neural Network (ANN) is applied to the internal force analysis of structure. After introducing the model and algorithm of back-propagation network, a trained BP network of three layers is used to calculate the maximum of elastic moment of middle span of two-way slab. In order to enhance the generalized capability of network, the modified value of weight should be regarded as convergence standard and in order to accelerate the learning process without vibration, the method of adding momentum coefficient is adopted. The analysis program of BP network is carried out with the software of Matlab. The result demonstrates that application of ANN in structure analysis is feasible.     

人工神经网络在熏煮香肠质构预测中的应用

应用BP神经网络对熏煮香肠质构的感官评定预测进行了改进。数学检验结果表明,建立的BP神经网络模型平方根误差(RMSE)和标准预测误差(%SEP)较低,显著低于多元回归模型,而偏差因子(B)f和准确性因子(A)f都在可接受范围。BP神经网络可以作为较好的预测模型,用于实际肉类工业中肉制品的质构感官评价,实现机械测定全部或部分代替感官评定的快速性、实时性、便捷性检测。     

用灰色关联度法对福建省水稻区试品种的分析评价

采用灰色系统理论中关联度分析法,对2003年福建省晚稻新品种区域试验中的12个参试品 种进行了多性状的综合评价。结果表明:冈优527综合性状最好,昌优964次之。综合评判结果与品 种在生产实际中的表现基本一致。认为灰色系统理论中灰色关联度分析法对作物新品种的选育与审 定具有重要指导意义。