基于机器视觉的稻田灌溉用水铜离子浓度检测

为实时、快速地监测稻田灌溉用水的质量,确保粮食生产安全,提出了基于机器视觉的稻田灌溉用水铜离子浓度检测方法.利用搭建的机器视觉检测试验装置,设计了不同浓度铜离子溶液的机器视觉检测试验,通过提取试纸图像的特征值,运用指数回归、对数回归、2阶多项式回归和线性回归等方法建立铜离子浓度的预测模型,减少了人为认知对检测结果的影响.试验结果表明,在0～300 mg/L范围内,基于机器视觉的试纸检测水中铜的方法训练集和预测集的相关系数分别达到0.9438和0.9191,均方根误差分别为19.9563、9.7889 mg/L,误差控制在8％以下,基本上达到了对稻田灌溉用水进行实时快速检测的要求,为进一步开发实用的稻田灌溉用水监测设备提供了依据.     

TEOM1405F型PM2.5颗粒物分析仪校准方法的建立

对美国赛默飞世尔公司TEOM1405F颗粒物分析仪制定合理可行的校准方法,并且根据标准方法对仪器进行检定.校准结果为:环境温度传感器误差小于±2℃,环境气压传感器误差小于1 kPa,采样流量相对误差小于±3％,弹性常数K0＜±2％,绝缘阻抗＞20MΩ,满足校准方法技术要求.根据检定结果,该仪器监测数据准确可靠.     

基于时间序列数据的粮食播种面积单产预测模型研究

采用了一种基于时间序列数据的灰色—线性回归模型对广西某市的粮食作物播种面积的单产进行了预测,并将预测结果及预测误差与线性回归模型及灰色GM（1,1）模型的预测结果进行了比较。结果表明,灰色—线性回归组合模型进行粮食作物耕地需求量预测精度较高,具有科学可行性。     

山东省年粮食总产量的神经网络预测研究

以1978年-2007年间山东省年粮食总产量为研究对象,基于后向传播算法的神经网络模型,开展粮食总产量的非线性建模和预测研究.研究结果表明,山东省粮食总产量的年际变化呈现较强的非线性特征,建立的粮食总产量反向传播神经网络模型预测精度较高.两个验证样本的预测相对值分别为0.0475,0.0084,预测误差分别为5.38%和9.23%,在10%的误差范围内,可以应用于时间序列支持下的山东省粮食总产量的预测.     

5自由度机器人手臂模糊自适应控制

为了在一定的跟踪精度范围内且存在不确定性因素的情况下控制机器人跟踪设定的轨迹,给出了一种基于控制器输出误差法的自适应模糊控制法来控制机器人手臂.采用梯度下降法调节部分或全部参数以减小输出误差.该方法被应用于5自由度机器人控制系统中,仿真结果显示模糊逻辑控制器参数得到了实时调整,该方法有效.     

基于模糊PD控制的四轮驱动全向移动机器人速度补偿控制器研究

在一般多元线性模型中就基于岭估计的预测量与最优线性无偏预测量的最优性判别问题进行了讨论，得到了基于岭估计的预测量在矩阵迹意义下优于最优线性无偏预测量的充要条件.     

利用荧光高光谱图像技术无损检测猕猴桃糖度

将405nm激光照射到猕猴桃样品上,当激光透过样品内部时,部分单色光被样品内部成分吸收,释放出荧光,再用高光谱成像系统采集诱导出的荧光散射图像.在荧光散射图像上选取感兴趣荧光区域(ROIs),提取感兴趣区域在波长400～1000nm范围内的特征变量.当提取12个特征变量时,建立的猕猴桃糖度多元线性回归(MLR)模型的校正集相关系数Rc为0.932,预测均方根误差(RMSEC)为0.4764°Brix,预测集相关系数Rp为0.8227,预测均方根误差(RMSEP)为0.5645°Brix.研究结果表明,采用激光诱导荧光成像技术无损检测猕猴桃糖度是可行的.     

眼镜片顶焦度标准装置测量不确定度评定

一、概述焦度计是眼镜店所使用的计量器具,本文依据JJG580-96《焦度计》检定规程,用标准镜片组对其检定,由此产生的误差进行测量不确定度评定。1.测量方法依据JJG580-96《焦度计》检定规程。2.环境条件温度(20±5)℃;相对湿度<85%。3.测量标准顶焦度标准镜片δ=0.02D。4.被测对象焦度计。5.测量过程在规定的环境条件下,用标准镜片直接测量焦度计,重复测量3次,以3次示值的算术平均值与标准器标准值之差值,即为被检焦度计的顶焦度示值误差。     

基于时间序列的微藻生长环境参数的预测模型

掌握微藻生长环境中的温度、硝酸盐浓度、氧气浓度等参数的变化规律有利于提高生物产出量.本研究利用钝顶螺旋藻全生长周期中的大量环境参数,引入时间序列预测方法,通过极大似然估计,得到线性回归模型,同时引入状态空间预测方法,将低维的线性模型映射到高维空间,以消除低维空间下模型的不准确性.为评估模型的有效性,采用了杜宾-瓦特森检验法、图像法、均方根误差、平均绝对误差和最大误差等评估方法和指标进行评估和验证.预测结果显示,自回归滑动平均模型和自回归滑动平均-卡尔曼滤波模型均可用于预测微藻生长的环境参数;与前者相比,后者预测误差更小,模型拟合更精确,能更好地揭示钝顶螺旋藻生长过程中环境参数的内在规律.     

基于有机元素含量的猪粪热值预测模型

探讨利用猪粪有机元素含量预测猪粪热值的可行性,建立基于C、H、N、S、O等5种有机元素含量的高、低位热值预测模型.采集了160个猪粪样品,利用EA3000型元素分析仪和IKA-C2000型氧弹量热仪分别测定其C、H、N、S、O元素的含量和高、低位热值.相关分析表明,C、H、N这3种元素的含量与热值之间存在极显著相关,而S、O这2种元素含量与热值之间的相关不显著;利用120个猪粪样品的测定结果,采用多元线性回归分析建立的基于C、H、N含量的热值预测模型可以较准确地利用碳、氢、氮预测猪粪热值,高位热值和低位热值预测模型的决定系数R2分别为0.836和0.785.用40个样品对热值模型进行外部验证,高位热值和低位热值均方根误差RMSE分别为621.31、620.85 J/g,相对均方根误差RRMSE分别为3.74％和4.06％.结果表明,多元线性回归法建立的基于有机元素含量的猪粪热值预测模型的预测结果较准确,利用猪粪的元素含量预测其热值是可行的.     

地市级移动气象计量检定系统风传感器核查方法

黑龙江省现已为各地市配备了移动气象计量检定系统,用以填补气象部门地市级移动计量的空白,其中,风传感器的核查是重要的组成部分.文章主要介绍风传感器核查装置的基本原理、操作流程和现场核查方法等内容,从而规范地市现场核查计量业务管理.     

电感耦合等离子体质谱仪期间核查方法

为避免仪器状态发生变化而影响检测的准确性、及时性、和公正性,实验室需要在仪器检定周期中对仪器进行期间核查.而电感耦合等离子质谱仪承担着绝大部分金属项目的检测,其仪器状态影响着众多项目.本文是以本实验室为例探讨电感耦合等离子体质谱仪的期间核查方法.     

灰色线性组合模型在涝灾预测中的应用

灰色线性组合模型由于在传统灰色预测模型的基础上加入了对数据的线性分析,在各个领域应用已较为广泛.应用灰色线性组合模型,以沈阳市1960～2006年的降雨量作为数据依据,建立模型对涝灾进行预测.结果表明:组合模型较好的拟合了预测灾变年,预测误差小于普通灰色预测模型,为涝灾预测增加了一种新方法.     

地市级移动气象计量检定系统温度传感器核查方法

现阶段,移动气象计量检定系统已广泛应用于地市级气象传感器日常核查工作中,温度传感器的核查是其中重要的组成部分.研究主要介绍温度核查装置的基本原理、操作流程和现场核查方法等内容,从而规范地市现场核查计量业务管理.     

基于高光谱成像技术的新疆冰糖心红富士苹果分级和糖度预测研究

对新疆冰糖心红富士苹果采用高光谱成像技术进行分级和糖度预测研究.在糖度预测分析中,使用正交试验设计方法确定影响预测效果的主要因素是预测回归方法、光谱预处理方法和波长合并,次要因素是光谱校正处理方法、数据类型和实测值归一化处理.提取平均光谱,经过白板校正,采用一阶微分光谱预处理,10个波长的光谱合并,基于多元线性回归方法建立苹果糖度的预测模型,其验证集苹果糖度的预测模型相关系数为0.911,预测均方根误差为0.76％ Brix,相对分析误差为2.44.在分级研究中,选择712 nm波长图像,Gamma灰度变换增强图像,大津算法阈值确定后分割图像,基于形态学处理剔除果梗区域,提取苹果分割后区域的面积、充实度、周长、平均灰度等特征,采用二次判别分析分级苹果,验证集苹果分级准确率达到89.5％.结果表明,高光谱图像技术既能够准确预测新疆冰糖心红富士苹果糖度品质,也可以用于基于外部品质特征的分级研究.     

线性回归与BP神经网络方法的山东粮食产量预测比较研究

山东省是我国传统农业大省,粮食产量对我国粮食总产量的影响较大,因此对山东省粮食产量进行预测具有重大意义.分别利用多元线性回归方法和BP神经网络两种预测方法对山东粮食产量进行预测,并对两种方法的预测结果进行分析比较,实验证明,BP神经网络平均预测精度高于多元线性回归模型,且各期预测精度较多元线性回归模型更稳定,但随时间推移,误差增大,因此BP神经网络预测模型较适用于近期粮食产量预测.     

基于近红外漫反射光谱的规模化奶牛场粪水氮磷定量分析及模型构建

为建立规模化奶牛场粪水中氮磷含量现场快速检测方法,以实现准确预测的同时替代常规监测程序,选取23家天津市典型种养结合模式的规模化奶牛场,围绕粪水处理全过程环节依次开展样品采集、实验室常规化学检测、近红外漫反射光谱采集,并进行主成分分析和偏最小二乘分析,建立多种动态复合影响因素条件下的全局、全程快速检测定量分析模型。结果表明:主成分分析不仅反映出同一奶牛场粪水有机组分随处理环节的变化,而且也反映出不同奶牛场粪水样品的差异性,以及在粪水处理过程中各因素对后续模型的影响程度。建立的全过程环节定量分析模型对总氮含量预测结果与实际含量的线性拟合相关系数R为0.96,预测均方根误差RMSEP为187.80;对总磷含量预测结果与实际含量的线性拟合相关系数R为0.91,预测均方根误差RMSEP为3.59。建立的全局定量分析模型对总氮含量预测结果与实际含量的线性拟合相关系数R为0.96,预测均方根误差RMSEP为238.59;总磷含量预测结果与实际含量的线性拟合相关系数R为0.91,预测均方根误差RMSEP为6.56。研究表明,基于近红外漫反射光谱和偏最小二乘法对规模化奶牛场粪水处理全过程环节粪水样品中氮、磷含量进行定量分析是可行的;纵向模型比横向模型能提供更好的预测结果;近红外漫反射光谱技术可实时、快速、高效地对规模化奶牛场粪水处理全过程总氮和总磷进行跟踪和监控。     

基于Bootstrap方法对北京空气质量的回归分析

依据北京市1990-2011年空气质量的相关数据,基于Bootstrap方法,对北京市空气质量的影响因素进行回归分析及预测。研究表明:①该模型优于采用逐步回归法的多元线性回归模型,预测误差仅为0.65%;②城市绿地覆盖率对北京市空气质量的影响最为显著,可从这一因素入手,改善北京的空气质量;③该模型的构建,对于北京市城市环境质量的管理和控制具有一定的指导意义。     

基于支持向量回归机的粮食产量预测研究

支持向量机(Support Vector Machines,SVM)是一种具有坚实理论基础的新颖小样本学习方法。采用支持向量机回归(Support Vector Machine Regression,SVR)算法,用libsvm-2.89软件包对我国近年来的粮食产量进行回归预测,选择交叉验证法进行参数寻优,建立粮食产量和其影响因素的支持向量机回归模型。粮食产量预测平均相对百分误差为1.209%,均方根误差为581.191,相关系数为0.962 24。将预测结果与指数平滑模型、生产函数模型及多元线性回归模型进行了比较,用平均绝对百分误差、希尔不等系数及均方根误差对4种模型预测结果进行评价。结果表明,基于支持向量机的径向基核函数(RBF)模型预测粮食产量的精度优于其他预测方法。     

基于灰色线性回归组合模型的河南省国内生产总值预测

根据灰色灾变预测原理,构建了基于GM(1,1)与线性回归的组合模型.对于具有数据跳变日期点的预测问题,用GM(1,1)模型;对非跳变日期点用线性回归预测.对河南省国内生产总值的预测结果表明,该模型克服了GM(1,1)模型和线性回归模型的缺陷,具有较高的应用价值.