基于最小二乘支持向量机的泵性能分析

泵的性能曲线是泵选型、优化调度和泵站运行的重要依据,通常该曲线均是通过试验或是根据试验数据和性能图表上的数据进行曲线拟合而获得,但这些方法复杂昂贵,而且拟合精度不高。针对以上方法的缺点,提出了一种基于交叉验证最优参数选择的最小二乘支持向量机（LSSVM）泵性能预测方法。通过最小二乘支持向量机（LSSVM）学习算法网络的设计和构建,并应用网络搜索－交叉验证的方法对支持向量机参数进行优化选择,模拟得到复杂和非线性很强的泵的性能曲线,经优化模型输出值和试验值、同多项式拟合值以及径向基神经网络误差的比较,交叉验证最优参数选择的最小二乘支持向量机具有优良的非线性建模能力和泛化能力,在有限学习样本条件下仍获得了很高的精度,平均相对误差为0.02378%,为泵的性能分析提供了一种简便可行的智能方法。     

土壤持水曲线van Genuchten模型求参的一种新方法

土壤持水曲线是研究土壤水动力学性质必不可少的重要参数。在已经建立的众多数学模型中,vanGenuchten模型以其与实测数据拟合程度好而得到广泛的应用,而运用该模型的关键是如何获得其中的4个参数。仅就我国而言,不少学者投入大量的精力发展了确定van Genuchten模型参数的方法。邵明安等[1~3]基于一维土壤水分运动的Richards方程提出了推求土壤van Genuchten模型和Brooks-Corey模型参数的简单入渗法;王金生等[4]将最小二乘法和非线性单纯形法相结合拟合了van Genuchten模型参数;徐绍辉等[5]也借助最小二乘法并结合Pi-card迭代法拟合了砂…     

偏最小二乘法回归在水利工程安全监测中的应用

针对常规最小二乘法回归难以有效识别和消除自变量因子间的多重相关性影响这一不足，对偏最小二乘法回归在水利工程安全监测数据分析中的应用进行了研究。采用偏最小二乘法进行回归建模分析，将模型拟合与非模型式的数据内涵分析有机结合，同时实现回归建模、数据结构简化以及因子间的多重相关性分析，并通过交叉有效性检验来确保模型精度。对绕坝渗流地下水位实测资料的建模分析表明，偏最小二乘回归法能有效克服因子间的多重相关性影响，所分离出的因子变量对实测结果具有更好的物理成因解释能力，因而在水利工程安全监测及有关数据的统计分析方面具有广阔的应用前景。     

准东煤田土壤铅含量高光谱估算

以新疆准东露天煤矿为研究靶区,对矿区周围不同程度铅污染土壤进行采集与光谱测定,分析不同铅含量土壤高光谱反射率特征,运用多元线性回归和偏最小二乘回归建立土壤铅含量估算模型并进行精度检验。结果表明:在土壤铅含量与近红外和中红外波段部分光谱反射率之间的相关性较高,二阶微分处理之后的光谱数据建模精度高于其他处理方法。偏最小二乘回归建立模型估算效果优于多元线性回归建立的模型精度,其最优的偏最小二乘回归模型校正和验证的决定系数(R~2)分别达到了0.71和0.69,其校正和验证的均方根误差(RMSE)值分别为4.42 mg kg~(-1)和2.69 mg kg~(-1),以及相对分析误差(RPD)值为2.36,该模型能够较好地估算土壤铅含量,从而为土壤重金属污染快速监测提供技术方法和理论依据。     

风能风切变指数计算方法的比选研究

为了支持风电场的开发和建设,结合最小二乘法对风切变指数这一重要参数进行了分析研究。根据风切变指数关系式和最小二乘法拟合直线算法,给出5种不同的方法分别计算风切变指数;然后根据计算得出的风切变指数与幂律公式推算已知高度的风速,再利用各自的推算结果与实测风速进行对比,分析其误差,选择较为准确的风切变指数。选用内蒙古乌兰察布市某测风塔共3个测风高度一年内完整的实测数据为例,采用上述方法计算该地区风切变指数,结果表明去除小风速后的数据利用最小二乘法拟合的计算方法和利用风廓线拟合的方法都较为准确;因此,应结合风电场的实际情况综合采用这些方法,选取误差最小的风切变指数。该研究有利于更准确地推算风机轮毂高度的风况,进而能够更加准确地估算发电量和评估风能资源。     

黄绵土钾含量高光谱估算模型研究

为了研究可见/近红外光谱法估算渭北旱塬区黄绵土钾含量的可行性,以陕西省乾县试验田采集的120个土壤样品为研究对象,在室内进行土壤全钾、速效钾含量及反射光谱数据测量的基础上,应用多元线性回归(MLR)和偏最小二乘回归(PLSR)方法建立土壤钾含量的估算模型,并用独立样本进行验证。结果表明,以土壤光谱反射率一阶微分(DSSR)为自变量建立的多元线性回归模型(MLR)能进行土壤全钾含量准确估算。以波段深度一阶微分(DBD)为自变量建立的PLSR模型,验证集的决定系数(R2pre)大于0.90,预测均方根误差(RMSEpre)等于0.054,预测相对分析误差(RPDpre)等于3.310,是估算土壤全钾含量的最优模型;而以DSSR为自变量建立的PLSR模型,RPDpre值为1.619和1.572,是估算土壤速效钾含量的最优模型。本研究表明可见/近红外光谱结合多元线性回归和偏最小二乘回归方法能对渭北旱塬区黄绵土全钾含量进行快速、准确估算,但对速效钾含量仅能进行粗略估算。     

基于非线性PLSR模型的气候变化对粮食产量的影响分析

考虑气候因子间多重共线性及其与粮食产量间复杂的非线性关系,本文在HP滤波分离出气候产量的基础上,尝试引入基于三次B样条变换(Spline-PLSR)和内部嵌入GRNN的两种非线性偏最小二乘模型(GRNN-PLSR),利用1961-2008年气候因子数据建立气候产量计算模型,以2009—2013年数据进行拟合检验,并与常用的C-D生产函数法计算的气候产量进行比较。结果表明,Spline-PLSR法在拟合气候因子变化对粮食产量影响时预测精度较高。而且,与C-D生产函数法相比,Spline-PLSR所需要素较少,操作简单,相对误差最高仅为13.6%;与GRNN-PLSR法拟合结果相比,Spline-PLSR相对误差波动较小,因此,基于三次B样条变换的非线性偏最小二乘法建模较适合拟合气候产量。     

基于小波变换的番茄总糖近红外无损检测

分别采用小波消噪、常数偏移消除等11种光谱预处理方法,对番茄总糖含量（质量分数）的近红外光谱进行预处理,通过偏最小二乘法定量校正模型预测值比较得出,小波消噪是适合番茄近红外光谱的最佳预处理方法,小波消噪的总糖质量分数近红外光谱优选区域为11 998.9～6 097.8 cm-1和4 601.3～4 246.5 cm-1,在此光谱区内建立的番茄总糖质量分数偏最小二乘法模型预测值与实测值的相关系数为0.930,内部交叉验证均方差为0.466%,校正标准差为0.469%,预测标准差为0.260%。试验结果表明：小波消噪后建立的近红外光谱模型能准确地对番茄总糖含量进行快速无损检测。     

基于EPO算法去除水分影响的土壤有机质高光谱估算

野外进行土壤有机质的光谱快速预测时需考虑土壤含水量的影响。在室内设计人工加湿实验分别获取9个土壤含水量梯度(0~32%,间隔4%)的土壤光谱数据,分析土壤含水量变化对光谱的影响,再利用外部参数正交化法(external parameter orthogonalization,EPO)进行湿土光谱校正,并结合偏最小二乘回归和支持向量机回归分别建立土壤有机质预测模型。结果表明,土壤光谱反射率随着土壤含水量的增加呈非线性降低趋势,偏最小二乘回归模型的预测偏差比为1.16,模型不可用;经EPO算法校正后,各土壤含水量梯度之间的光谱差异性降低,能实现土壤有机质在不同土壤含水量梯度的有效估算,偏最小二乘回归和支持向量机回归模型的预测偏差比分别提高至1.76和2.15。研究结果可为田间快速预测土壤有机质提供必要参考。     

利用阻尼最小二乘法求解Van Genuchten方程参数

土壤水分参数对于定量预报非饱和水流运动是非常重要的,该文运用阻尼最小二乘法。拟合了描述土壤水分特征曲线的Van Genuchten方程参数,同时与非线性单纯性法拟合结果进行了比较,结果表明：该方法拟合精度较高,可以作为计算Van Genuchten方程参数的一种方法。此外。用VB语言编写算法程序,便于对输入数据进行修改。     

基于叶片SPAD估算不同水氮处理下温室番茄氮营养指数

为了探讨临界氮稀释曲线模型在西北地区温室番茄不同水分处理下的适用性以及采用SPAD仪快速准确诊断氮营养状况,该研究以"丽娜"番茄为材料,2013-2015年在陕西省杨凌区温室内进行水分和氮素处理试验,水分处理设置4个水平,分别为全生育期充分灌水处理、仅苗期亏水50%、苗期开花期连续亏水50%和全生育期亏水50%;氮素处理设置3个水平,施氮量分别为0、150和300 kg/hm2,通过2013-2015年试验数据对临界氮浓度稀释曲线模型进行率定和验证,并将该模型参数与番茄全生育期平均日耗水量建立相关关系,提高了临界氮浓度稀释模型在不同水分条件下的适用性。结果表明通过番茄全生育期平均日耗水量和临界氮浓度稀释曲线模型估算得到的临界氮浓度估算值和实际计算值有较好的一致性,其绝对误差为0.13~0.34 g/(100 g),标准误差为0.14~0.39 g/(100 g),决定系数为0.94~0.99,因此采用该方法可以对西北地区温室番茄不同水分处理下临界氮浓度稀释进行准确估算。通过2013-2015年试验数据分析番茄不同叶位叶片SPAD值和氮营养指数(nitrogen nutrition index,NNI)之间相关性,结果表明番茄中位叶片SPAD值与氮营养指数(NNI)有良好的线性相关性(决定系数为0.77~0.98),且该相关系数值与番茄日耗水量呈极显著相关关系,因此通过番茄日耗水量可以估算出NNI与中位叶片SPAD值之间的线性关系,估算出NNI=1时的中位叶片SPAD值,并以此SPAD值进行氮营养诊断。该研究可为西北地区温室番茄实时氮营养诊断和优化氮素管理提供了较好的理论参考。     

Gram-Schmidt算法与GRNN融合的加工番茄早疫病高光谱预测

加工番茄早疫病的准确预测,有助于及时采取防治措施,降低产量损失.测定加工番茄早疫病冠层光谱,对380～760 nm进行连续统去除变换,提取波段深度、波段位置、波段宽度、斜率、面积等特征参数,并对原始光谱提取红谷、绿峰、红边及相应波段位置等特征参数.利用Gram-Schmidt算法对特征参数进行成分提取,作为广义回归神经网络(GRNN)的输入变量,对加工番茄早疫病病情严重度进行预测.研究结果表明,与多元线性回归和偏最小二乘法预测模型比较,Gram-Schmidt算法与GRNN融合模型的预测精度相对较高,R2为0.843,RMSE为0.136,该方法能够对加工番茄早疫病病情严重度进行快速、准确的预测.     

北方日光温室长季节番茄茎节生长模拟模型

以番茄器官生长发育的生理生态过程为基础,建立了北方日光温室长季节番茄茎节生长模拟模型,它是建立番茄叶片和果实生长模拟模型的基础。供试番茄品种为“卡鲁索”和“卡特琳娜”。确定了模型中的参数如节点最大出现速率等,并对模型进行了验证试验。结果表明：番茄茎节数模拟值与实测值的变化趋势一致,平均相对误差为0.7%～9%。用散点图法验证模拟值与实测值的相关系数达0.9964,截距为-8.8,每平方米模拟值比实测值平均偏低8.8个茎节。表明模型模拟结果较好。     

基于介电特性与IRIV-GWO-SVR算法的番茄叶片含水率检测

为了探究利用介电特性检测作物水分状况的可行性,研究了一种基于介电特性的有效、快速、精确检测番茄叶片含水率的方法。以300片不同含水率的番茄叶片为研究对象,通过LCR测量仪测定叶片在0.05~200 k Hz下的相对介电常数ε′和介质损耗因数ε″,并采用干燥法测量叶片含水率。利用迭代保留信息变量法(iteratively retains informative variables,IRIV)对介电参数进行特征变量选取,并与连续投影算法(successive projections algorithm,SPA)进行比较,利用支持向量回归机(support vector regression,SVR)分别建立叶片全变量、2种特征变量与叶片含水率的关系模型。结果表明,基于迭代保留信息变量法选取特征变量的支持向量回归模型(IRIV-SVR)具有良好的预测能力,但预测精度仍需提高,故引入灰狼优化算法(grey wolf optimizer,GWO)优化模型的参数c(惩罚因子)和g(核函数参数)。最终,经GWO优化后的模型(IRIV-GWO-SVR)的预测集决定系数R2与均方根误差RMSE分别为0.963 8,0.020 7。因此,利用介电特性结合IRIV-GWO-SVR算法预测番茄叶片含水率是可行的,同时为其他叶片含水率检测提供了一种新的方法和思路。     

基于改进YOLOv3-Tiny的番茄苗分级检测

为了提高番茄苗分选移栽分级检测精度,该研究提出了YOLOv3-Tiny目标检测改进模型.首先建立了番茄穴盘苗数据集,使用K-means++算法重新生成数据集锚定框,提高网络收敛速度和特征提取能力;其次为目标检测模型添加SPP空间金字塔池化,将穴孔局部和整体特征融合,提高了对弱苗的召回率;同时加入路径聚合网络(PANet...     

基于K-means聚类和椭圆拟合方法的白粉虱计数算法

为了能够对害虫的准确计数,该文以白粉虱为例,提出了一种基于K-means聚类和椭圆拟合方法的白粉虱计数算法。该方法首先利用K-means聚类算法对白粉虱图像进行分割,使白粉虱从背景图像中分离,然后利用基于最小二乘法的椭圆拟合方法对分割结果进行椭圆拟合,统计椭圆的个数,提取椭圆中心点的颜色特征值,将其作为新的分类中心,重新对白粉虱图像进行分割和椭圆个数的统计,最后将算法收敛时的椭圆个数作为当前白粉虱的个数。对辣椒、黄瓜、番茄和茄子4种作物叶片上附着的白粉虱进行了计数试验,该算法在这4种作物上的平均计数错误率依次为2.80%,8.51%,5.00%,1.56%,并且分别比阈值化方法和K-means聚类方法的平均计数错误率降低了11.65%和70.18%。试验结果表明:所提方法能够实现对不同作物上白粉虱的准确计数,且算法具有很好的泛化性。该研究结果可为虫害的检测以及采取正确的防治措施提供重要依据。     

基于轮廓分割的草莓叶片三维建模

为精确构建原位草莓植株三维空间结构,以高架栽培模式生长环境下的草莓植株为研究对象,提出了一种基于多源图像轮廓分割的草莓植株结构形态三维重建算法。通过改进的多源图像融合算法,建立多源图像映射关系,融合预处理后的多源信息得到待分割强度图;计算待分割强度图矢量场卷积的局部中心,选出多目标的初始轮廓控制点,将参数的活动轮廓模型应用于待分割强度图像进行叶片的分割;采用标记的方法将分割轮廓映射至距离点云集,设计以单个叶片为单位的平面拟合选择机制,最终完成草莓三维模型的重建及显示。为验证该算法的有效性,将三维重建后的有效叶片数,平均单叶长度及叶片距离差作为评价指标,实验结果表明,有效叶片数正确率为85.6%,平均单叶长度模型正确计算率为88.4%,叶片距离差正确计算率为82.4%,研究结果可应用于原位草莓植株的空间位置测量,可为农业机器人局部视觉场景中植株空间结构的构建提供参考。     

改进烟花算法和概率神经网络智能诊断齿轮箱故障

针对复杂环境下农机设备的齿轮箱系统在故障诊断时存在易受现场噪声干扰和故障识别率低等问题,提出了一种基于改进的烟花算法和概率神经网络的齿轮箱智能故障诊断方法。为提高现有概率神经网络模式分类方法的性能,定义了一项样本相似度衡量指标以提高建模过程中训练样本的质量。将烟花算法与概率神经网络技术有机融合提出了一种改进的烟花算法-概率神经网络模式分类方法,利用烟花算法优化概率神经网络的平滑参数以确定网络参数的最优值,提高模式分类与识别精度。将改进的烟花算法-概率神经网络模式分类方法用于噪声环境下齿轮箱的故障诊断建模,构建故障特征参量与齿轮箱工作状况间的复杂非线性映射关系。应用结果表明,与基于BP神经网络、GABP(genetic algorithm back propagation)神经网络和概率神经网络的故障诊断模型相比,在不同程度噪声影响下烟花算法-概率神经网络模型均具有最高故障识别率。当噪声控制系数为0.01、0.02、0.04和0.06时,模型的故障识别率分别为100%、95.83%、93.33%和88.33%。该研究可为非线性复杂系统的故障诊断提供了一种可行的解决方案。     

基于高光谱技术和改进型区间随机蛙跳算法的番茄硬度检测

为了准确、快速的检测番茄硬度,该文提出了一种基于改进型区间随机蛙跳算法优选高光谱特征波长的番茄硬度检测模型。在获取番茄高光谱图像后,首先对光谱数据进行多元散射校正(multiplicative scatter correction,MSC)和归一化预处理。针对区间随机蛙跳算法(interval random frog,i RF)所需迭代次数大、算法收敛慢等缺点,该文提出了改进型区间随机蛙跳算法(modified interval random frog, miRF),并将其应用于特征波长选择。最后建立偏最小二乘回归模型(partial least squares regression, PLSR)预测番茄的硬度。iRF共选出特征波段100个,算法收敛时间为32.1 min,而miRF共选出特征波长47个,算法收敛仅需1.6 min。同时miRF-PLSR番茄硬度预测精度也更优,测试集相关系数达到了0.968 5,均方根误差为0.004 0 kg/mm~2。试验结果表明:结合高光谱技术和miRF算法可实现对番茄硬度的快速、无损检测。     

昼夜温差对番茄果实品质动态变化的影响及模拟

为了研究昼夜温差对番茄果实膨大-成熟期各阶段果实品质动态变化的影响,并构建昼夜温差对果实品质影响的模拟模型,以番茄品种"金冠5号"为试验材料,在人工气候箱对坐果后的番茄植株进行昼夜温差处理,设置25℃日平均温度下5个昼夜温差(DIF)水平,即-18℃(16℃/34℃,昼温/夜温)、-12℃(19℃/31℃)、0℃(25℃/25℃)、+12℃(31℃/19℃)、+18℃(34℃/16℃),测定各处理下番茄果实品质指标。结果表明:正昼夜温差可提高番茄果实营养成分含量和品质,而负昼夜温差使其降低。正昼夜温差使可溶性糖、糖酸比、可溶性蛋白、Vc含量增加,+12℃DIF处理下各营养品质含量高于+18℃DIF下,而负昼夜温差使其降低,且随负昼夜温差的增大而降低。有机酸含量在正昼夜温差下减少,而在负昼夜温差下增加。番茄红素含量在+12℃DIF下上升,而在+18℃DIF和负昼夜温差下降低。不同昼夜温差处理下,可溶性糖、可溶性蛋白含量均与辐热积呈Logistic模型关系,通过拟合昼夜温差值与Logistic模型参数的数量关系,得到昼夜温差对可溶性糖、可溶性蛋白动态变化影响的模拟模型。有机酸、Vc含量均与辐热积呈二次多项式关系,通过拟合昼夜温差与二次多项式模型参数的数量关系,得到昼夜温差对有机酸、Vc动态变化影响的模拟模型。检验结果表明,模型模拟效果良好。