基于极限学习机的念坛公园水质预测模型

为提高念坛公园的水质管理及决策效果,将极限学习机应用于念坛公园的水质预测中。首先通过皮尔逊相关系数筛选关键变量,然后构建基于极限学习机的水质预测模型,利用训练时间、平均相对误差与均方根误差作为评价指标,并与BP神经网络进行比较,对比指标筛选前后两种模型的预测性能。基于念坛公园水质数据的验证结果表明,极限学习机较BP神经网络的学习算法简易、训练速度更快,并且由于正则化项的加入,使得极限学习机泛化能力加强,更适用于念坛公园水质数据的预测。     

日光温室最低气温的预测与调控

日光温室冬季每日的最低气温，可依据夜间天气条件划分为晴天弱低温型、晴天强低温型及阴雨雪型３类，每类可利用盖苫前温室基础气温及外界最低气温两个因子建立温室最低气温预测式。根据天气预报确定天气类型，将外界最低气温预测值及盖苫前温室基础气温代入预测式，可提前预测温这最低气温，并可根据预测结果加调控。     

基于温湿度异布的日光温室冬季主动通风策略设计与验证

针对日光温室冬季自然通风热量损失大、降湿效率低的问题,该研究在揭示室内温湿度空间异布特征基础上,提出主动通风策略,提高保温降湿效能。通过搭建包含28个温湿度传感器的日光温室物联网监测平台,深入分析了室内温湿度空间分布规律。结果显示,温室上下区域积温差值可达300 ℃,白天日照时段的相对湿度差值达20个百分点,且呈现温度上高下低、湿度上低下高的空间异布特征,自然通风模式下室内上部高温低湿空气优先与室外干冷空气置换导致其保温降湿效能低下。基于此,该研究提出了主动通风排湿策略,利用安装于温室底部的轴流风机改变气流方向,强迫下部区域低温高湿空气从风机口优先向外排出,使上部区域高温低湿空气逆向沉积保留在室内,有效排湿的同时降低热量损耗。主动通风实地试验结果显示,相比于受室内外气候影响可控性差的自然通风,主动通风率可在0～30 m³/(m²·h)之间无级调节,有利于通风的精准控制;晴朗、多云、阴雨3种典型天气下主动通风的日平均温湿比均高于自然通风,体现出较好的气象适应能力和稳定性;其中,晴朗天气下日均温度可提高2.0～2.7 ℃,日均相对湿度可降低15～17个百分点,日均温湿比可提高31.1%～32.9%,保温排湿效能改善明显。同时,主动通风策略的投入产出比为2.62,能够以较低的投入获得理想的经济收益,经济可行性较好。该研究所提出的主动通风排湿策略可以有效提高保温排湿效能,技术合理性和经济可行性良好,可为日光温室冬季微气候调控提供理论参考和解决方案。     

基于核函数极限学习机的分布式光伏短期功率预测

伴随中国农村电网的较快发展,分布式光伏的集成应用是实现新能源就地消纳的重要途径。国家相关政策已对分布式光伏的快速发展进行了相关规划,国家电网公司也出台政策为分布式光伏接入提供便利条件与技术支持,相关的分布式光伏发电功率预测技术需要进行深入研究。针对用户侧分布式光伏发电系统,考虑预测系统的成本约束和运行需求,以及农村电网应用特点,提出一种基于核函数极限学习机的分布式光伏功率预测方法。对于不同容量的分布式光伏发电系统,使用核函数极限学习机构建分布式光伏短期功率预测模型,使用基于权重的训练样本筛选方法提高预测模型计算效率,并通过粒子群算法优化模型参数。预测模型使用低成本的非数值天气预报采样信息,对几十千瓦级的分布式光伏,预测相对误差仅16%～18%,能在低功耗处理器上实现10ms内完成单次发电功率预测,在简化低权重属性后能基本保持原有精度,同时在分布式光伏随机覆尘或逆变器故障条件下预测误差基本不变,具有较高的适应能力。     

基于多源辅助变量和极限学习机的蔬菜地土壤有机质预测研究

应用多源辅助变量预测土壤有机质的空间分布,能有效提高预测精度。以西安市蔬菜产地为研究区域,共采集422个土壤样品,运用极限学习机(extreme learning machine,ELM)、逐步线性回归(stepwise linear regression,SLR)、支持向量机(support vector machine,SVM)和随机森林(random forest,RF)模型,结合坡度、坡向、种植年限、种植类型、灌溉方式、氮肥施用量、磷肥施用量、钾肥施用量、土壤类型、碱解氮、有效磷、速效钾、盐分、硝酸盐、pH值等15个多源辅助变量,对研究区蔬菜地土壤有机质含量进行空间预测,并通过100个实测点验证预测结果。结果表明:ELM对土壤有机质预测结果的均方根误差为0.631 g kg-1,均方根误差和预测集平均值的比值为0.037,二者均低于其他3种模型,ELM的相关系数为0.716,显著高于SLR、SVM和RF,ELM的空间预测结果更接近土壤有机质含量的真实情况。同时,根据ELM分析结果及算法本质阐释其在土壤属性领域应用的地理学意义,也为其他土壤属性空间预测引入了一种新方法。     

基于高斯过程混合模型的大气温湿度预测

温湿度预测在国民经济各领域有重要作用,实现温湿度精准预测可有效提高农业生产及保障行人安全,室内温湿度预测有助于植物健康生长,减少经济损失;室外温湿度预测对行人安全及航空等科研起保障作用。针对现有温湿度预测效果不佳且不能实现多模态预测,该文采用高斯过程混合(gaussian process mixture,GPM)模型进行大气温湿度多模态预测。另外为了提升模型学习效率,给GPM模型提出了的一种隐变量后验硬划分迭代学习算法。该算法采用一种新的近似策略,利用最大后验估计不断矫正样本划分,借助迭代学习实现样本最优分组。在用自相关函数和最大Lyapunov指数等解析评价温湿度序列基础上,将GPM模型与核回归(kernel-regression,K-R)、最小最大概率机回归(minimax probability machine regression,MPMR)、线性回归(linear-regression,L-R)、高斯过程(gaussian process,GP)等传统预测模型进行比较。结果表明GPM不仅能够实现多模态预测,而且预测准确率要明显优于其它传统模型。最终湿度预测最优结果RMSE=0.062 0、R~2=0.936 2,训练耗时为113.417 5 s;温度预测最优结果 RMSE=0.042 6、R~2=0.966 6,训练耗时为90.0049 s。由于GPM为无环境因子输入模型,因此该文的研究不仅对大气温湿度预测有促进作用,同时对室内及固体表面温湿度预测具有一定借鉴价值。     

PC板温室的温湿度预测模型建立与分析

根据PC板温室内太阳辐射、通风、对流和作物蒸腾作用引起的质热交换物理过程,基于物质和能量守恒,建立了与温室内外气象参数、土壤蒸发、作物生长状况和土壤品质相关的温度与湿度预测模型,并根据所建模型及仿真结果对温室环境系统进行分析。     

基于极限学习机的参考作物蒸散量预测模型

为实现气象资料缺乏情况下参考作物蒸散量（reference crop evapotranspiration, ET0）高精度预测,以气象因子的不同组合为输入参数,利用FAO-56 Penman-Monteith公式计算的ET0作为预测标准值建立基于极限学习机（extreme learning machine, ELM）的ET0预测模型。选取川中丘陵区7个气象站点1963－2012年逐日气象资料进行模型训练与测试,并将模拟结果同Hargreaves、Priestley-Taylor、Makkink及Irmark-Allen等4种常用模型进行对比。结果表明：ELM模型能很好地反映气象因子同ET0间复杂的非线性关系,且模拟精度较高;基于最高和最低温度的ELM模型模拟精度（均方根误差和模型效率系数分别为0.504 mm/d和0.827）高于Hargreaves模型（均方根误差和模型有效系数分别为0.692 mm/d和0.741）;基于最高、最低温度和辐射的ELM模型模拟精度（均方根误差和模型有效系数分别为0.291 mm/d和0.938）明显高于Priestley-Taylor（均方根误差和模型有效系数分别为0.467 mm/d和0.823）、Makkink（均方根误差和模型有效系数分别为0.540 mm/d和0.800）和Irmark-Allen模型（均方根误差和模型有效系数分别为0.880 mm/d和0.623）。因此基于最高、最低温度和辐射的ELM模型可以作为气象资料缺乏情况下川中丘陵区ET0计算的推荐模型。该研究可为川中丘陵区气象资料缺乏情境下ET0精确计算提供科学依据。     

基于神经动态优化的人工气候箱温湿度模型预测控制

针对由于人工气候箱温湿度的耦合和滞后特性,使其难于精确控制的问题,该文采用模型预测控制算法进行精确控制。基于人工气候箱温湿度控制模型,推导出了输入滞后对象的模型预测控制方法及其优化模型。为了解决模型预测控制的快速优化问题,采用神经动态优化方法作为模型预测控制的动态优化器,获得了基于神经动态优化的模型预测控制方法,并用来解决人工气候箱的温湿度控制问题。最后采用该方法和PID方法针对人工气候箱温湿度的阶跃响应和周期响应进行了仿真试验。试验表明,与常规PID(proportion integration differentiation)控制方法相比,该控制方法超调小,控制精度高,在线优化速度快。该研究可为模型预测控制在时滞系统中的应用提供参考。     

基于EEMD-SVM模型的北洛河上游径流预测

[目的]提高北洛河上游径流预报精度,为流域管理及水资源合理配置提供依据。[方法]以1971—2014年北洛河上游吴旗水文站实测径流资料为基础,采用EEMD-SVM耦合模型对吴旗站月径流序列进行了模拟预测,并与EEMD-ARIMA和EEMD-NAR两种耦合模型的预测结果进行对比。[结果]EEMD-SVM模型的平均绝对误差(MAE)和均方根误差(RMSE)最低,决定系数(R²)和纳什系数(NSE)最高。其中,相比于EEMD-ARIMA和EEMD-NAR模型,EEMD-SVM模型的决定系数(R²)分别提高了186.63%,49.49%。[结论]EEMD-SVM模型具有更高的预测精度和更强的非线性拟合能力,可以成功地应用于北洛河上游的月径流预报。同时,研究表明EEMD-NAR模型的预测性能高于EEMD-ARIMA性能。     

后墙立体栽培草莓提高冬季日光温室内温度

在日光温室的后墙上,采用管道无土栽培方式进行蔬菜或草莓生产,可以提高温室空间利用率和作物种植量,但可能会出现因为管道和植物的挡光而减少后墙蓄热、降低冬季温室温度的问题。为此,通过冬季连续31 d的温度监测,在3种典型气象（晴天、阴天、雪天）条件下,对比分析了有后墙立体基质栽培的日光温室（solar greenhouse with equipment,ESG）和无后墙立体栽培的日光温室（solar greenhouse with no equipment,NSG）温度环境的变化。监测结果表明,ESG的月平均气温较NSG高0.84℃,其中最大日温差为2.22℃,最小日温差为0.14℃。晴天条件下,ESG的日平均冠层温度和1.5 m高度处的空气温度分别是12.72和13.04℃,NSG分别是10.68和11.04℃;ESG的冠层温度最低值是4.68℃,而NSG最低值是4.10℃。可见,ESG较NSG的气温要略高一些;阴天和雪天条件下,2种温室内的温度环境无显著差别。因此,利用日光温室后墙进行立体基质栽培草莓,不但没有降低反而提高了冬季温室内的温度,是一种可行、值得推广应用的温室高效栽培技术。     

基于HSIC的日光温室温度传感器优化配置策略

在经济成本和管理便捷性约束下,为有效监测日光温室内非均匀分布的温度信息,需要对数量有限的传感器进行优化配置,从而降低配置冗余,并增强温度信息丰度。该研究以山东地区冬季日光温室为研究对象,开展了基于希尔伯特-施密特独立性准则（Hilbert-Schmidt Independence Criterion,HSIC）的传感器配置策略设计及验证工作。首先,在温室内均匀布置了22个温度传感器,采集了冬季寒冷时期28 d共7 880×22组数据,明确了温室温度场空间分布的不均匀性及多传感器配置的基本原则和方法。然后,利用HSIC准则分析了传感器之间的相对独立性,依据信息最大化原则提出了传感器配置优先级排序算法,并根据信息增益率及配置冗余度约束提出了传感器数量选择依据,从而建立了日光温室传感器优化配置策略。最后,策略验证结果表明：相比于22个传感器的温度数据,南北垂直方向上选择S6、S9、S3传感器时,平均温度的RMSE、MAPE和信息增益率分别为0.24 ℃、1.21%、6.70%;东西水平方向上选择H6、H5、H2传感器时,平均温度的RMSE、MAPE和信息增益率分别为0.33 ℃、0.70%、9.47%。上述2组传感器能够有效兼顾准确获取温度整体趋势信息和增强温度信息丰度的双重目标,试验结果证实了配置策略的有效性和可行性。所提的传感器优化配置策略可以为日光温室环境监测与调控提供理论参考和数据支持。     

采用GA-ELM的寒地水稻缺氮量诊断方法

为快速、准确、无损实现寒地水稻缺氮量的诊断。该文基于田间试验系统采集的资料,研究东北粳稻氮素含量的亏损或富余与光谱反射率差值之间的关系,并建立东北粳稻氮素含量差值的反演模型。该文采用高光谱反演水稻的缺氮量,并为实施精准施肥提供参考依据,达到减肥不减产的目的,采用产量最高的原则来构建标准氮素含量与标准光谱反射率,并在此基础上,将获取的水稻叶片氮素含量和叶片光谱反射率分别与标准氮素含量和标准光谱反射率做差,得到氮素含量差值和光谱反射率差值,然后对光谱反射率差值分别采用离散小波多尺度分解、连续投影法(successive projections algorithm,SPA)和构建植被指数的方法进行降维处理,将处理后的结果分别作为偏最小二乘(partial least squares regression,PLSR)、极限学习机(extreme learning machine,ELM)和遗传算法优化极限学习机(genetic algorithm-extreme learning machine,GA-ELM)的建模输入,构建东北粳稻氮素含量差值的反演模型。结果分析表明:采用离散小波多尺度分解的结果建立的GA-ELM反演模型预测效果最好,训练集与验证集的R2均在0.7062以上,均方根误差(root mean square error,RMSE)均低于0.51mg/g以下,在预测能力、稳定性和泛化性上比PLSR和ELM的预测模型有明显提高。     

基于夜间室内外温差计算方法的日光温室气候分类

为了解决日光温室园艺作物越冬栽培茬口合理安排问题,同时减少低温灾害风险,开展温室保温性评价并进行科学分类.该研究选取天津市3种典型日光温室设置室内外小气候观测试验,结合不同温室构型及建筑材料,基于热传导原理形成日光温室夜间室内外温差计算方法,并以此为基础评价不同类型温室保温能力,进而对天津地区主要日光温室类型进行划分,...     

基于冠层相对湿度的日光温室黄瓜叶片湿润时间估计模型

叶片湿润时间是日光温室作物病害预警系统的关键输入,基于相对湿度的叶片湿润时间估计模型（简称RH阈值模型）是最简便的估计模型之一。为了在日光温室实际环境中对模型参数进行校准和检验,以夏末秋初的日光温室盛果期迷你黄瓜为试材,以5 min为间隔自动采集冠层相对湿度数据,采用试错法、平均值法和叶湿频率法3种校准方法对RH阈值进行校准,分别获得相对湿度RH=90%、89%和93% 3个阈值,并采用均方根误差法、回归分析法以及一系列误差分析指标对校准结果进行检验。结果表明：试错法和平均值法的预测效果要显著好于叶湿频率法,误差一般在1～2 h左右;与本试验中普遍超过3 h的叶片湿润时间相比,RH阈值模型监测效果仍然可接受;验证结果中,平均值法的效果反而好于试错法,这说明在实际应用中不能仅局限于一种校准方法。该文总结的模型校准和检验方法,以及构建的基于冠层相对湿度的叶片湿润时间估计模型,可以用于日光温室黄瓜叶片湿润时间监测,符合日光温室黄瓜病害预警系统的要求。     

长江中下游地区Venlo型温室空气温湿度以及黄瓜蒸腾速率模拟研究

根据温室能量和质量平衡的物理学原理,建立了一个以温室外气候条件(太阳辐射、温度、湿度、风速等)为驱动变量,以温室结构、温室覆盖材料、温室内作物(高度、叶面积指数)为参数的温室小气候模拟模型,并利用上海Venlo型温室的三季试验数据对模型进行了检验。结果表明：模型能较好地预测中国长江中下游地区Venlo型温室内夏季和冬季空气温度、湿度以及作物蒸腾速率。模型对该地区夏干季节(2001年8月,三伏天)、夏湿季节(2002年6月下旬至7月中旬,梅雨季节)和冬季(2002年1月27日~2月5日)温室内空气温度、湿度以及作物蒸腾速率预测值与实际观测值的决定系数(R²)和标准误(SE)分别为：0.89,0.75,0.52;1.1℃,4.4%,0.040 g·m^-2·s^-1;0.80,0.84,0.77;1.5℃,4.4%,0.018 g·m^-2·s^-1;0.84,0.59,0.73;1.6℃,6.0%,0.012 g·m^-2·s^-1。该研究为进一步探讨温室环境的优化调控提供了理论依据和决策支持。     

日光温室聚苯乙烯型砖复合墙保温蓄热性能

为研究聚苯乙烯型砖复合墙的保温蓄热特性,对聚苯乙烯型砖复合墙日光温室的室内外气温,后墙表面太阳辐射照度及其内部温度进行了测试分析。聚苯乙烯型砖复合墙由24 cm填充混凝土聚苯乙烯型砖、45 cm填土和5 cm混凝土板复合而成。测试结果表明,聚苯乙烯型砖复合墙内表面温度在阴天和晴天保温被闭合期间分别较室内气温高(2.5±0.2)℃和(5.4±1.4)℃。该墙体在阴天和晴天的放热区域分别为17 cm和30 cm,低于填土与混凝土板的厚度。填充混凝土聚苯乙烯型砖的热阻达到了2.93 m2 K/W,是当地日光温室后墙低限热阻的2倍。该结果表明聚苯乙烯型砖复合墙填土厚度及聚苯乙烯型砖热阻可满足墙体放热及保温的需求。另外,模拟结果表明,在同等室内外气温和墙体内表面太阳辐射的条件下,聚苯乙烯型砖复合墙在晴天和阴天保温被闭合期间的内表面温度与黏土砖夹心墙(24 cm黏土砖+10 cm聚苯板+24 cm黏土砖)相近。因此,聚苯乙烯型砖复合墙体保温蓄热性能良好,可用于取代黏土砖夹心墙。