广西桑蚕原种净种率的时间序列分析

【目的】了解广西桑蚕原种净种率的发展规律,为原种生产管理提供决策依据。【方法】采用时间序列ARIMA模型及季节性结构分量（Seasonal structure component）模型,对广西桑蚕原种净种率的发展规律进行分析研究。【结果】运用SPSS软件对广西2001~2007年每年12批的桑蚕原种净种率序列进行时间序列分析,建立了一个反映广西桑蚕原种净种率规律的ARIMA（1,0,0）统计预测模型,且该模型通过白噪声序列检验;利用该模型对2008年的12个批次桑蚕原种净种率进行预测,发现预测值与实际值较接近。而季节性结构分量模型分析结果表明,广西桑蚕原种净种率在7年里呈逐年下降的趋势,客观反映了广西桑蚕原种的生产规律。【结论】应用时间序列分析方法分析广西桑蚕原种历年生产数据并研究其潜在规律,是一种行之有效的分析方法。     

广西桑蚕原种净种率的时间序列分析

【目的】了解广西桑蚕原种净种率的发展规律,为原种生产管理提供决策依据。【方法】采用时间序列ARIMA模型及季节性结构分量（Seasonal structure component）模型,对广西桑蚕原种净种率的发展规律进行分析研究。【结果】运用SPSS软件对广西2001~2007年每年12批的桑蚕原种净种率序列进行时间序列分析,建立了一个反映广西桑蚕原种净种率规律的ARIMA（1,0,0）统计预测模型,且该模型通过白噪声序列检验;利用该模型对2008年的12个批次桑蚕原种净种率进行预测,发现预测值与实际值较接近。而季节性结构分量模型分析结果表明,广西桑蚕原种净种率在7年里呈逐年下降的趋势,客观反映了广西桑蚕原种的生产规律。【结论】应用时间序列分析方法分析广西桑蚕原种历年生产数据并研究其潜在规律,是一种行之有效的分析方法。     

3种时间序列分析模型在水稻稻瘟病预测中的应用

【目的】研究3种时间序列分析模型对水稻稻瘟病的预测效果,为该病害的预测提供参考。【方法】以1980-2007年四川省剑阁县水稻种植面积和稻瘟发病面积为原始数据,分别采用时间序列分析中的滑动平均、指数平均和方差分析周期外推法建立水稻稻瘟病发病情况的预测模型,分析其预测效果,并在2008年的稻瘟病预测中进行了验证应用。【结果】滑动平均、指数平均和方差分析周期外推法3种时间序列线性模型均能较好地预测水稻稻瘟病的发病趋势,1980-2007年其预测值与实测值的拟合度分别为97.7%,96.1%和99.8%;2008年预测值与实测值的相对误差分别为14.5%,18.1%和8.4%。【结论】3种时间序列分析模型均可用于水稻稻瘟病的长期预测。     

基于TCN-BiLSTM与LSTM模型对比预测北洛河径流

【目的】本研究旨在探究TCN-BiLSTM耦合模型与传统LSTM模型在径流模拟预测中的性能,为洪水风险管理和区域水资源规划提供准确有效的径流预测模型。【方法】以北洛河流域为研究区,基于双向长短期记忆网络(BiLSTM)和时域卷积网络(TCN)建立一种新的径流预测耦合模型TCN-BiLSTM。利用相关性分析,筛选预测径流的输入因子,确定4种不同的输入方案应用于TCN-BiLSTM耦合模型和传统LSTM模型,每个模型分别预测1、2、3 d的径流量。采用平均绝对误差(MAE)、均方根误差(RMSE)和拟合优度(R²)来评估模型的预测性能。【结果】(1)TCN-BiLSTM耦合模型整体预测性能优于LSTM模型,TCN-BiLSTM模型R2达到0.91,高于LSTM的0.89。相比于LSTM,TCN-BiLSTM对于峰值和突变点的捕捉能力更强,对于波动大的复杂数据预测效果更优;(2)在针对未来1～3 d径流量预测中,随着预见期的延长,4种方案下TCN-BiLSTM和LSTM模型的预测效果均有所下降,相较于预测1 d,预测3 d的TCNBiLSTM和LSTM模型的R2分别平均...     

监测采样间隔对土壤墒情预测模型性能的影响

【目的】为了实现准确的农田土壤墒情预测,以茶园不同深度的土壤墒情为对象,对不同的监测采样间隔下的多种茶园土壤墒情预测模型进行了对比研究.【方法】经相关性分析,确定了时段初始湿度、光照、空气温度、空气湿度、土壤温度、土壤电导率和降雨量7种影响因子,对土壤墒情分别建立了多元二次回归、BP神经网络和LSTM深度学习模型.研究了10、30、60、90、120 min等不同监测采样间隔下土壤墒情的预测精度,同时对3种模型的预测结果进行了对比分析.【结果】LSTM深度学习模型的平均相对误差为0.399%,在3种模型中最小.多元二次回归模型的预测误差随着采样间隔的增大而增大,BP神经网络与LSTM深度学习模型在采样间隔为30 min时预测误差最小,平均相对误差<0.5%.研究认为,最合适的监测采样间隔为30 min,且LSTM深度学习模型具有稳定性好、精度高的特点,适用于土壤墒情预测.【结论】本研究结果为土壤墒情监测采样间隔的设定和建模方法的运用提供依据,对土壤墒情预测模型的研究和应用具有重要意义.     

基于高光谱和激光雷达遥感的水稻产量监测研究

【背景】快速、准确地估算水稻产量对于肥水精确管理及国家粮食政策的制定至关重要。高光谱与激光雷达遥感作为2种不同的主被动监测技术,为水稻长势信息获取提供了多样化手段。【目的】对比2种遥感监测手段在不同生态点的独立数据集中的验证精度,寻求可移植性强的产量估算模型,对水稻长势监测提供理论与技术支撑,及为精确农业提供科学指导具有重要意义。【方法】本研究通过实施3年(2016—2018年)包含不同地点、不同品种与不同氮素水平的水稻田间试验,在抽穗后各时期同步获取点云数据和光谱数据,结合线性回归与随机森林回归来估算产量,探究抽穗后点云数据与光谱数据估算水稻产量的差异;同时评估产量模型在不同数据集的时空可移植性,寻求可移植性强的产量估算模型。【结果】利用点云数据估算产量的精度(R²=0.64—0.69)优于光谱数据的估算精度(R²=0.20—0.58);基于线性回归的产量估算模型,其验证精度明显优于基于随机森林回归的产量模型;产量模型在同一生态点的可移植性更强(不同生态点:RRMSE 16.69%—17.85%;同一生态点:RRMSE 11.37%—12....     

基于深度强化学习的耕作层土壤水分、温度预测

【目的】利用土壤近表面空气温湿度与土壤内部参数的关联关系对耕作层土壤水分、温度进行精准预测,为实现精细化农业种植管理提供服务。【方法】针对土壤耕作层水分、温度预测在训练集获取与模型验证等方面的实际需求,设计了基于嵌入式系统及窄带物联网(Narrow band internet of things,NB-IoT)无线通信技术的物联网数据采集系统。在此基础上基于深度Q学习(Deep Q network,DQN)算法探索了一种模型组合策略,以长短期记忆(Long short-term memory,LSTM)、门限循环单元(Gated recurrent unit,GRU)与双向长短期记忆网络(Bidirectional long short-term memory,Bi-LSTM)为基础模型进行加权组合,获得了DQN-L-G-B组合预测模型。【结果】数据采集系统实现了对等间隔时间序列环境数据的长时间稳定可靠采集,可以为基于深度学习的土壤水分、温度时间序列预测工作提供准确的训练集与验证集数据。相对于LSTM、Bi-LSTM、GRU、L-G-B等模型,DQN-L-G-B组合模型在2种土壤类型(...     

基于遗传算法优化的BP神经网络的组合预测模型方法研究

【目的】提出以传统猪瘟发病率为对象的组合预测模型。【方法】利用ARIMA模型以及灰色模型GM(1,1)进行数据初始化处理,将初步处理结果作为优化后的BP神经网络输入构建组合模型。【结果】利用组合模型对2000年到2009年的月度发病数据进行实例分析,结果表明预测数据精度达到97.379%,较ARIMA模型,灰色模型、BP神经网络模型分别提高了5.469%、3.499%、1.188%,模型平稳性增强,预测结果良好。【结论】本研究为动物疫情测报提供了有效的分析手段,验证了组合模型在动物疫情研究中的可行性,并可为其它动物疫病提供借鉴和参考。     

基于时间序列法的广西原糖价格预测

【目的】为了了解广西原糖价格的未来走势,掌握原糖价格的变动情况。【方法】使用时间序列法中的季节性ARIMA模型,分析2001年1月至2016年4月183个月份数据,预测广西原糖2016年5月至2017年4月的价格。【结果】广西原糖价格在2016年上半年一直保持着平稳状态,但自下半年起,原糖价格逐渐上升并在11月达到全年价格顶点,在12月时原糖价格出现明显回落现象,2017年的1-4月的原糖价格没有较大幅度波动。【结论】时间序列法的的预测精度较高,可以得到较准确的广西原糖价格的趋势图。     

KPCA_SVM水文时间序列预测模型的建立与应用

【目的】建立水文时间序列预测的核主成分支持向量机(KPCA_SVM)模型。【方法】利用核主成分分析(KPCA)对输入数据进行非线性特征信息提取,并将提取的特征信息作为最小二乘支持向量机(LSSVM)的输入变量,建立KPCA_SVM预测模型。以甘肃民勤地区的月蒸发量为例,对模型的预测效果进行检验。【结果】预测结果表明,KPCA_SVM模型预测效果优于PCA_SVM模型和LSSVM模型,预测平均相对误差为8.36%。【结论】KP-CA_SVM模型的预测效果优于没有特征提取的LSSVM模型。与主成分分析(PCA)提取特征相比,KPCA特征提取效果更好。     

棉蚜种群数量的动态分析

【目的】为棉蚜防治提供参考依据。【方法】于1990-04~10对大田棉蚜种群数量进行调查统计,对棉蚜种群数量的周期性及趋势性进行分析。【结果】棉蚜种群数量的趋势性曲线可以用一个多项式来拟合;棉蚜的在一年之内的周期可以分为两段:前55 d可看作一个周期,后128 d可看作一个周期,并根据周期相角重新给出棉蚜种群数量的周期函数。【结论】建立了棉蚜种群数量的一般动态模型,该模型由趋势项和周期项组成。     

约束选择指数的通径分析及决策分析

建立了约束选择指数的通径分析化模型,分析其实质为约束选择指数的相关遗传力分解模型。进而运用通径分析的决策分析方法对约束选择指数进行决策分析,定义各性状对聚合遗传值的决策系数,各性状的决策系数代表其对聚合遗传值的综合决定作用。通过各性状的决策系数可以确定主选性状、限制性状和辅助性状, 使育种者在育种时,可直接选择个体的表型就能达到使复合育种值进展最大的目的。     

灰色关联分析在春大豆产量分析中的应用

采用灰色关联分析法,对海南11份春大豆品种的产量及主要农艺性状进行分析。结果表明：春大豆品种的产量与主要农艺性状的关联顺序为单株粒重＞生育期跃主茎节数＞百粒重跃单株粒数＞单株荚数跃有效分枝数＞株高＞底荚高度。因此,在高产品种的选育上,应优先考虑单株粒重、生育期和主茎节数等指标。     

竹子栽培文献计量分析与可视化图谱分析

采用文献计量学方法,对Web of Science核心版收录的1980-2014年间发表的竹子栽培研究的文献进行了全面的统计分析,通过CitespaceⅡ软件,从文献共被引的角度对文献作者聚类、研究机构聚类、关键词共现等作可视化图谱分析。分析结果表明:①中国、印度、日本和美国是竹子栽培研究的主要国家,中国在该领域研究具有绝对的优势和地位;②中国科学院、浙江农林大学、中国林业科学研究院等单位为竹子栽培研究发文量最多的几个机构,其中以中国科学院的国际合作度和影响力最大,这些机构走在了国际竹子栽培研究的前列;③学者多从竹子组织培养、快速繁殖、植株再生、体外开花、基因与克隆、生长模式与因素等方面展开研究;④竹子基因组序列、系统发育、基因鉴定等代表着竹子栽培研究的新的热点和方向。图7表6参7     

云南省大豆地方品种资源的主成分分析及聚类分析

通过对49份云南省大豆地方品种资源进行主成分分析和聚类分析,结果表明:在主成分分析中,选取方差累计贡献率为88.34%的前4个主成分来评价云南省地方大豆品种资源.通过系统聚类,将参试的49份品种分为了5类,各类群性状之间的差异较明显,有利于育种亲本材料的选择.     

金翅夜蛾亚科的判别分析

对金翅夜蛾亚科的2种分类情况分别以多种变量作为分类自变量,用判别分析法建立了几个回判正确率高的判别函数,并对其进行了讨论和比较。     

基于文献计量的塑料地膜研究发展态势分析

为深入了解塑料地膜研究的发展现状,本研究以 2000—2019年 Web of Science 数据库收录的1 895篇论文为数据来源,采用文献计量学方法,结合运用Excel、VOSviewer等软件对该领域发文量、主要发文国家和机构、研究主题、研究前沿等进行了统计分析。结果表明:该领域发文量呈上升趋势,2013年后发文量迅速增长;从国家研究实力上来看,中国、美国、意大利为发文量较高的国家;以西北农林科技大学、中国科学院、中国农业大学为主的中国研究机构在该领域发文量最高;该领域的研究方向主要包括:塑料地膜在农业上的应用(包括覆膜对农产品产量、土壤水分、温度的影响等),地膜的高分子材料分析、生物可降解地膜的研发与应用,地膜的生物降解,塑料残膜对土壤环境、生态环境的影响等方面;从研究趋势上看,鉴于农业残膜在土壤中的大量残留,未来研究热点可能会趋于塑料残膜对生态环境、土壤质量的影响,尤其是塑料残膜中增塑剂及降解后的微塑料对土壤食物链安全、生态系统和人体健康的风险值得进一步探究。研发新型生物地膜替代传统塑料地膜,并及时评估其农业应用效果、尽早大范围推广至关重要。     

有机蒙脱土的差热分析曲线形状因子解析

用十八烷基三甲基溴化铵（STAB）、双-十八烷基二甲基溴化铵（DOAB）、三-十八烷基甲基溴化铵（TOAB）和蒙脱土（MMT）制备有机蒙脱土（OMMT）,在采用热质量-差热（TG-DTA）研究OMMT热分解动力学基础上,计算差热分析（DTA）曲线形状因子（Ф）。结果表明：OMMT插层改性效果好,MMT/STAB,MMT/DOAB和MMT/TOAB热分解动力学机理函数的差异源于STAB,DOAB和TOAB在OMMT晶体片层中采取的排列方式不同,且MMT/STAB的差热分析曲线对称性较好,MMT/DOAB和MMT/TOAB的差热分析曲线对称性较差,Ф值与其TG-DTG-DTA中差热分析曲线吻合。     

运用聚类分析和主成分分析筛选猪的血清指标

对猪的16个生物学指标进行了聚类分析和主成分分析。结果表明,首选磷酸肌酸激酶为测定比较指标,其次是乳酸脱氢酶和游离脂肪酸,根据测定程序和研究深度可进一步考虑测定5′-核苷酸酶,谷胱甘肽-S转移酶、谷丙转氨酶等指标。由此可以根据聚类分析和主成分分析的分类结果。只测定有“代表性”的指标,而不需要测定所有指标。将两种分析方法一致筛选出的磷酸肌酸激酶、乳酸脱氢酶、5′-核苷酸酶和游离脂肪酸作为血清代表性指标,建立肉质性状与生物学指标的最优回归方程,预测猪的肉质性状。