基于SVM的畜禽舍废气监测缺失数据恢复

针对畜禽舍内废气浓度监测过程中因传感器故障造成部分数据缺失的问题,提出一种基于支持向量机的缺失数据恢复方法。该方法综合考虑畜禽舍内废气浓度对应的时间、空间和环境等多种影响因素,建立支持向量机回归模型对缺失的监测数据进行恢复性估算;为了获得更好的估算结果,使用量子遗传算法结合标准遗传算法对回归模型的参数进行优化。以氨气浓度为例,用某养殖场3 d的监测数据测试该方法,缺失数据估算的最大相对误差为6.04%,平均相对误差为1.94%,可见估算值与实际监测值的误差很小。测试结果表明,本研究提出的方法可以有效地对缺失性数据进行恢复,为畜禽舍废气监测提供可行的数据恢复方法。     

畜禽舍末端水喷淋废气处理系统的颗粒物净化性能分析与优化

【目的】畜禽养殖舍排出的大量颗粒物及吸附的臭气成分和微生物会对大气环境和周边人员的健康造成严重破坏,降低废气中颗粒物浓度是畜禽舍末端废气净化技术的核心目标之一。【方法】针对畜禽养殖末端卧式水喷淋净化技术,通过自主搭建的卧式水喷淋系统颗粒物净化效率试验平台,设计正交试验方案,采用极差分析和方差分析方法,研究通风风速、喷嘴压力、喷嘴额定孔径及喷嘴雾化角度等关键调控参数对颗粒物(PM2.5和PM10)净化效率的影响规律,并运用参数优化模型获得针对不同粒径颗粒物的最优调控参数组合。【结果】研究结果表明,影响PM2.5净化效果的主次顺序为喷嘴压力>通风风速>喷嘴额定孔径>喷嘴雾化角度;影响PM10净化效果的主次顺序为喷嘴压力>喷嘴额定孔径>喷嘴雾化角度>通风风速。通过优化求解,最优参数组合为通风风速为1.5 m/s、喷嘴压力为60 kPa、喷嘴额定孔径为11.1 mm、喷嘴雾化角度为120°。验证试验结果表明,最优参数组合的PM10净化效率为40.4%,PM2.5净化效率为41.1%。【结论】研究结果可以为畜禽舍末端废气处理系统颗粒物净化设备的设计和运行参数调...     

冬季畜禽舍的保温方法

冬季气候寒冷,畜禽养殖应重点做好保温工作。一般情况下,畜禽生长最适温度在20℃左右,冬季畜禽舍的温度最好保持在16～24℃。     

畜禽舍微生物气溶胶疫苗化的空间电场防疫技术方法

近几年频繁发生的高烈度动物疫病已成为阻碍畜牧业健康发展的全球性问题,疫病的频繁发生简直到了防不胜防的地步,超级细菌、变异很快的病毒将抗生素、常规疫苗几乎逼到了失去效能的边缘。被动的防病防疫措施总是与区域性养殖业的重大损失相伴而生,扑杀虽说是国际通行的防疫措施,但更多的是人们对莫名高致病性病原的一种恐惧反应,它阻止疫病传播的效果到底如何也并没有可靠的实验能够验证。此地扑杀完毕彼地又现并不是仓促开发出的疫苗普遍接种的结果,或是传播迅速疫病的突然消失也不是扑杀和隔离的结果,而是环境致变与动物自然免疫的结果。…     

基于无线传感网络的畜禽舍环境监控系统的设计与实现

针对规模化畜牧养殖中畜禽舍环境监测难的问题,设计开发了一套基于无线传感网络的畜禽舍环境监控系统,该系统能对畜禽舍环境参数(如温度、湿度、光照、大气压、氨气浓度等指标)进行实时监测,并能智能化地根据设定的环境指标上下限自动控制畜禽舍相关设备如风机、风扇、湿帘、电灯等的开启,最终达到将畜禽舍环境参数控制在设定的范围、减少动物热应激、净化畜禽舍环境、促进动物健康成长的目的。     

空调监测系统的数据恢复方法的研究

故障数据或丢失数据的及时恢复，对空调系统的可靠、最优运行是非常重要的．本文提出用主成分分析法对正常运行条件下的原始数据建立模型，该方法将测量空间分为主成分子空间和残差子空间．当数据故障或数据丢失发生时，故障数据被投影到主成分子空间和残差子空间，通过多次迭代，逐步逼近主成分子空间的方法可实现数据恢复．用空调监测系统实例充分显示了该方法有良好故障数据与丢失数据恢复能力．     

浅谈畜禽舍空气电净化防病促生系统的应用

随着人民生活水平的不断提高,对家禽产品的需求量的增加,家禽饲养规模与数量持续增长,但养殖环境的改善却相当滞后,造成禽病的发生率、死亡率越来越高,疫病的防治问题已非常突出。畜禽健康养殖作为我国畜禽养殖业的主要发展方向被提上议事日程,而畜禽舍空气电净化防病促生系统的应用,改以药治病为物理治病,为完善畜禽健康养殖技术体系提供了新途径。     

基于模拟退火算法的粮虫图像特征提取

特征提取是储粮害虫图像识别中的重要环节,是识别系统的难点所在。针对粮虫的二值化图像提取出17个形态学特征;运用模拟退火算法从粮虫的17维形态学特征中提取出面积、周长等10个特征的最优特征子空间;采用支持向量机分类器对粮虫进行分类,识别率达到95.0000%以上,证实了基于模拟退火算法的粮虫特征提取的可行性。     

环境污染源废气的监测分析

随着我国改革开放的深入,也出现了各种各样的问题制约了社会经济的发展,其中环境污染问题是一个必须着手解决的重点问题。而在环境污染的治理过程中,科学有效的监测环境污染源中的废气对于开展环境保护工作是极其重要的。本文章通过分析影响监测质量的主要因素,目的是为环境污染源废气监测部门的工作人员提供可供参考的数据和方法,在提高废气监测效率和监测质量的同时,也改进环境监测部门的监测手段。     

基于双编码遗传算法的支持向量机作物病害图像识别方法

为了实现作物病害的计算机识别,采用基于双编码遗传特征选择的支持向量机和病害图像多特征参数识别病害的方法,对病害图像增强处理,彩色病斑分割,特征参数提取,构建双编码遗传算法优化特征子集,并赋予权重的一对一投票策略支持向量机来分类识别作物病害进行研究.结果表明:在同等条件下,该方法与没有采用遗传算法的支持向量机相比,特征向量减少了38％,正确率提高了6.29％.     

基于Adaboosting_SVM算法的多特征蛋壳裂纹识别

以无裂纹蛋和裂纹蛋为测试对象,采用机器视觉技术和支持向量机等技术手段,分析无裂纹蛋和裂纹蛋在图像上的差异,提取特征参数,实现蛋壳裂纹的自动识别;针对蛋壳表面的亮斑,对预处理后的图像运行消除亮斑算法并进行区域标记。在此基础上,从5个不同视角提取13个能够表征无裂纹蛋和裂纹蛋的特征参数,分别是图像标记区域参数(区域标记数和标记点数)、几何特征参数(长轴和短轴)、基于Freeman链码的形状参数(形状数)、纹理特征参数(均值、标准偏差、平滑度、三阶矩、一致性、熵)和频谱特性参数(最大幅值和最大相位)。采用Adaboosting算子对上述特征参数进行优化,突出影响因子较大的参数组合,作为SVM的输入向量,建立蛋壳裂纹的识别模型。结果表明:该方法对蛋壳表面的亮斑、微小裂纹及普通裂纹均具有识别能力,模型正确率达97.5%,符合蛋品企业对蛋壳裂纹检测的精度要求。     

基于粒子群优化的支持向量机算法识别人类基因启动子

人类基因启动子识别是医学研究的基本需要。提取DNA序列碱基的PZ曲线特征、二核苷酸空间结构特征、保守信号似然得分,以及K联体似然得分,结合GC含量变化和非均匀指数,构建基于粒子群优化的支持向量机算法来识别人类基因启动子。利用粒子群优化支持向量机参数进行优化避免了人为选择的随机性,并且在分类问题中表现出较好的稳健性。对测试集的10-折交叉检验结果为:敏感性为92%,特异性为91%,马修斯关联系数为0.83。该结果表明,基于粒子群优化的支持向量机算法能有效识别启动子序列。     

基于SVM的农机装备水平组合预测模型研究

采用支持向量机的组合预测方法,对黑龙江垦区农机装备水平进行预测。在确定单一预测模型的基础上,运用自组织神经网络方法,将权系数确定问题转化为粗糙集理论中属性重要性评价的问题;计算各单一预测方法对组合模型的依赖度、重要度和权系数;利用建立的基于支持向量机非线性农机装备水平组合预测模型,对黑龙江垦区2002—2012年农机装备水平的历史数据进行检验。误差分析表明:该模型对农机总动力、大中型拖拉机、小型拖拉机、大中型拖拉机配套机具和小型拖拉机配套机具的预测平均相对误差为0.471%、1.328%、3.738%、1.193%、3.574%,均低于各单一预测模型的平均相对误差;利用该模型对黑龙江垦区农机装备水平进行预测,到2020年拥有农机总动力999.33万kW、大中型拖拉机88 921台、小型拖拉机38 453台,大中型拖拉机与配套农机具台数比为1.51∶1,小型拖拉机与配套农机具台数比为1.68∶1。所建模型适用于黑龙江垦区农机装备水平的预测。     

基于支持向量机的农机装备水平差异分类研究

针对黑龙江垦区各农场农机装备水平不平衡差异问题,采用支持向量机多类分类和主成分分析相结合的方法进行研究。将农机装备水平分为3个等级水平,从总量、速度和均量3方面选取10个评价指标;采用主成分分析法确定5个主要合成指标;建立多类分类支持向量机新模型,把新模型转化成一个互补问题,利用Lagrangian隐函数进一步转化成一个强凸的无约束优化问题,采取快速牛顿算法进行求解;利用实证调研数据,从发展差异度的角度对黑龙江垦区98个农场农机装备水平的差异进行多指标分析,在分类的准确度和训练速度方面都有很好的表现。     

基于支持向量机的电气设备运行状态图像识别方法研究

针对电气设备运行状态图像的特点,提出将支持向量机（SVM）分类器应用于多种电气设备运行状态识别中。首先利用C-均值聚类法,分割出运行状态指示牌的汉字或数字部分;再利用K—L变换提取出运行状态的特征向量;最后利用支持向量机分类方法进行状态识别。试验结果表明：支持向量机分类方法对于小样本情况,具有良好的分类能力,适合多种电气设备运行状态的分类,并能获得比神经网络方法更好的识别性能。不同的分类核函数的相互比较分析表明,Sigmoid核函数最适合电气设备运行状态的分类识别。     

基于多特征融合的花卉种类识别研究

花卉种类识别作为植物自动分类识别的重要分支,有着很高的研究和应用价值。针对当前花卉特征描述存在的局限和花卉识别准确率较低的实际情况,以花卉图像为研究对象,首先对复杂背景图像采用基于显著性检测的Grab Cut分割算法进行预处理,得到单一背景图像;然后在提取花卉图像花冠(所有花瓣)颜色和形状特征的基础上,创新性地提取花蕊区域的颜色和形状所包含的特征信息,并将提取到的18个特征融合成单一特征向量。以支持向量机(SVM)算法为基础构建分类器,通过实验确定核函数与最佳参数;对360幅自建花卉样本库(24个种类,每个种类15幅)进行训练和测试,其中240幅作为训练样本,120幅作为测试样本,并与基于不同特征组合的识别方法进行比较。结果表明:本文提出的基于多特征融合的识别方法具有较高的识别准确率,识别率可以达到92.50%。对通用花卉样本库Oxford 17 flower进行训练与测试,选取其中340幅作为训练样本,170幅作为测试样本,取得了较好的识别效果,验证了本文方法的有效性。      

基于粗集的支持向量机在故障诊断中的应用

根据支持向量机分类的基本原理,通过应用粗集理论方法对样本数据进行了预处理,去除冗余特征,提高了支持向量机分类效率.通过对涡轮机故障诊断,认为该方法可以提高故障诊断精度和诊断效率.     

基于声波信号递归图的鸡蛋裂纹检测

针对基于声波信号的鸡蛋裂纹检测过程中易受到噪音干扰的问题,采集运输线上敲击鸡蛋产生的声波信号,对信号进行递归图分析,采用递归定量分析提取递归图的量化特征参数,用于鸡蛋壳裂纹的分类检测。分别构建基于支持向量机(support vector machine,SVM)、反向传播神经网络模型的鸡蛋裂纹分类检测模型,对300枚鸡蛋进行检测。结果表明,SVM检测模型效果较好;在SVM模型中,完好蛋和裂纹蛋的识别率分别达93.98%和95.52%,效果理想。