SVR的树木生长过程建模及其参数优化研究

计算机树木模型可以广泛地应用于理解、预测和调控树木的生长和产量,在树木生长及生态系统等领域的研究中已经成为一种很重要的研究方法。采用支持向量回归对树木高度进行建模与预测,减小了样本数据量小造成的误差,克服了树木生长方程选择的困难。对支持向量机的参数采用遗传算法进行筛选,提高数据拟合精度。最后将预测结果与采用各类生长方程模型的预测结果进行比较,结果表明用支持向量机预测方法有较高的精度。     

基于Xfrog的树木建模及生长模拟

为探讨树木模型和生长动画的模拟,真实简单的模拟植物模型及其生长,对Xfrog植物模型生成软件进行研究。在客观分析树木建模及生长模拟难点的基础上,研究了Xfrog中表达树木拓扑结构的核心原理及其制作树木生长动画的基本方法;详细探讨了采用Xfrog进行树木建模和生长模拟的流程及其关键问题;并基于Xfrog实现了油松、侧柏、栓皮栎等多种北京山区的代表性树种的建模和生长模拟,取得了逼真的模拟效果。该法可用于树木几何模型及其生长动画的快速制作,并对研究树木模型表达和生长模拟具有借鉴意义。     

树木生长方程参数的估计

以树木生长的理论方程为基础,对树木生长方程的参数进行了研究,给出了树木生长方程参数的一种估计方法。     

基于SVR算法与BP神经网络的地震预测对比研究

针对地震诱发因素的多样性和难预测性,采用了支持向量机回归算法（Support Vecfor Regressive,SVR）,同时考虑多种因素,构建仿真模型,对震级进行了准确的预测。对比分析SVR和BP神经网络预测结果,证明了SVR预测结果速度更快、更准确、精确度更高。     

基于SVR的多维时间序列分析及其在农业科学中的应用

【目的】建立一种基于结构风险最小、既反映样本集动态特征又体现环境因子影响的高精度非线性多维时间序列预测方法。【方法】耦合支持向量机回归（SVR）和带受控项的自回归模型（CAR）,以留一法基于MSE最小原则实施模型定阶和变量筛选,以一步预测法检验新模型SVR-CAR的有效性,并通过强制汰选给出各保留变量对预测的相对重要性次序。【结果】3个农业科学实例验证表明,SVR-CAR在7种参比模型中预测精度最高,且可更精细地反映样本集的非线性动态特征,依各保留变量对预测的相对重要性次序及其动态变化可赋予保留变量部分解释能力。【结论】SVR-CAR是一种基于SVR并融合时间序列分析和回归分析的非线性多维时间序列分析方法,具结构风险最小、非线性、适于小样本,能有效克服过拟合、维数灾和局极小,非线性定阶和非线性筛选变量,自动选择核函数及其相应参数,泛化推广能力优异、预测精度高等诸多优点,在农业科学、生态学、经济学等领域有广泛应用前景。     

基于SVR的滑坡位移研究

滑坡位移具有非线性特征,针对单变量的时间序列,首先引入相空间重构理论,将其扩展到多维的相空间中。再结合数据挖掘中的机器学习算法——支持向量回归算法（SVR）建立预测模型,并对李家湾滑坡的水平位移进行预测。试验结果表明,该模型具有非常高的精度（均控制在94％以上）,可以充分的应用于滑坡灾害的预测和预报。     

天然红松树木生长特征与林分结构的研究

通过对树木生长规律和群落结构、动态过程的研究,提出了应用树木生长模型研究林分垂直结构与树木生长动态之间相互关系的新方法。预测了红松树木生长和形态的时空模式以及树木不同发育阶段影响生长主要因子的差异性。结果表明,天然红松生长和形态特征的形成是与其林隙更新途径密切相关的。在树龄160a以前主要为高生长时期,受林隙形成的垂直层次上的生境控制;树龄在160a以后为径生长时期,林木达到上层林冠,从营养生长转变为生殖生长,顶端开始结实,主干开始分叉,叶面积增大,形态呈平顶状。此阶段林木生长主要依赖于立地条件。     

整形修剪对园林绿化树木生长的影响

整形修剪是园林栽培过程中一项十分重要的养护管理措施。园林绿地中的树木形态、观赏效果、生长与开花结果、生长与衰老更新之间的矛盾等,都需要通过整形修剪来解决或调节。整形与修剪有两种意义：整形是指将植物体按人为意愿整理或盘曲成各种特定的形状与姿态,满足观赏方面的要求;修剪是指将树体器官某一部分疏删或短截,达到调节树木生长或更新复壮的目的。一般整形需要通过修剪来实现,生产上习惯将二者称为整形修剪。     

简论营造林密度对树木生长质量的影响

营造林是我国当前改善生态环境及提高造林效率的主要方式。在造林过程中,造林密度十分重要,能对林木的生长发育及质量产量造成重要影响,为此必须对造林密度慎重考虑。本文从确定造林密度的原则出发,对营造林密度与树木生长之间的相互关系做出简要分析,最后对营造林密度对树木生长的质量影响进行探讨。     

基于KPCA和PSO-SVM的木材干燥过程在线优化建模研究

针对木材干燥过程样本数据存在较多噪声的问题,采用核主成分分析方法对木材干燥数据进行预处理,然后利用粒子群优化的支持向量机建立木材干燥系统的在线预测模型,并进行在线预测。仿真研究表明,对数据预处理后,降维训练样本建立的木材干燥模型能够获得很好的预测精度,计算量小,速度快。在线模型能够实时反映系统当前状态,在线优化模型结构并预测系统下一步输出,实现了木材含水率特性变化的动态预测。模型输出误差小、泛化能力强,能够满足实际干燥过程在线预测控制的需要,具有良好的实际应用价值和工业前景。     

基于粒子群的支持向量机SVR冰情预报研究

[目的]研究基于粒子群算法优化支持向量机SVR的黄河宁蒙段封河、开河日期预报模型。[方法]采用相关分析和成因分析相结合的方法选取合适的冰情预报因子组合,并运用粒子群算优化方法确定最优参数构建预报模型,将其运用到黄河宁蒙段封开河日期预报中。[结果]该模型预报精度高、运行时间短,预报平均误差为3.51 d,平均运行时间为10.464 s,预报效果明显优于遗传算法优化的支持向量回归与反向传播式神经网络,能够较准确地对封开河日期做出预报。[结论]基于粒子群算法优化支持向量回归的方法可以用于冰情预报。     

基于Android手机的树木叶片识别系统

为了准确高效地识别树木叶片,开发了一款基于Android 操作平台的树木叶片设别系统。该系统提取13 种树木叶片特征描述子,选择支持向量机作为分类器。该系统包括图像获取、图像处理、特征提取、分类识别和结果展示5 个模块。选取来自15 个树种的1 500 片树叶进行了试验,结果表明,该系统的平均识别率可以达到94.44%,优于BP 神经网络的91.56%,达到了令人满意的效果。该系统特征描述子的筛选、提取以及分类器算法还可以进一步优化,以更好地满足用户需求。     

基于Android手机的树木叶片识别系统

为了准确高效地识别树木叶片,开发了一款基于Android操作平台的树木叶片设别系统.该系统提取13种树木叶片特征描述子,选择支持向量机作为分类器.该系统包括图像获取、图像处理、特征提取、分类识别和结果展示5个模块.选取来自15个树种的1 500片树叶进行了试验,结果表明,该系统的平均识别率可以达到94.44％,优于BP神经网络的91.56％,达到了令人满意的效果.该系统特征描述子的筛选、提取以及分类器算法还可以进一步优化,以更好地满足用户需求.     

葡萄树形态结构与生长发育过程数字化表达方法研究

【目的】用数字化方式描述植物形态结构与生长发育过程,是正确认识和表达植物生长发育规律的有效手段。本文旨在对形态结构较为复杂的葡萄树进行精确描述与定量分析,对葡萄树的数字化表达和处理技术进行研发与深化。【方法】针对葡萄树的形态结构特征和生长发育过程,划分并定义葡萄树的基本结构单元,包括葡萄树主干、多年生蔓、新梢和着生于枝蔓上的器官,其中新梢包括果枝和营养枝;着生于枝蔓上的器官包括芽、花序、果穗、副梢、叶片和卷须等。基于对葡萄树结构单元的划分,借鉴国内外结构单元的命名经验、习惯与演变趋势并结合田间观察结果,遵循葡萄树各结构单元出生的时空顺序,系统地提出了以年为单位的葡萄树地上部各结构单元数字化命名方案,以字母表示结构单元的类型,数字表明出生顺序和结构单元编号。命名方案还包含了各结构单元的着生关系和分枝来源等信息,整合了多年生长机制下由新梢到蔓,再到多年生蔓的生长变化过程,并以节间为单位,以有序集的方式描述了新梢的构成。在命名方案基础上,给出了组合器官与复杂操作表示方法,包括（1）基于结构单元命名的葡萄树结果母枝与结果枝组的复杂器官表示方法;（2）人工修剪对葡萄树结构变化的数字化描述;（3）以年为单位的葡萄树动态生长数字化描述;（4）多年生葡萄树生长发育过程回溯;（5）基于葡萄树结构表示的各级结构单元量化统计分析等方法。【结果】以郑州国家葡萄种质资源圃极短梢修剪的V字形‘赤霞珠’葡萄树和北京市农林科学院林业果树研究所试验温室的搭架式T字形‘香妃’葡萄树为例,分别给出两种树形的数字化表达,实现了复杂葡萄树结构的明确表示,包括各器官的唯一性命名、各器官的连接关系等。在结构表示的基础上,进行了新梢结构单元量化统计、副梢及卷须人工修剪、种植年限增加带来的葡萄树结构变化表达等的数字化描述,结果表明方法对不同树形、不同生长时期葡萄树形态结构描述的普适性与有效性。【结论】葡萄树形态结构的数字化表示有助于更加直观地理解葡萄树的形态结构与生长发育方式,对葡萄树功能-结构模型的构建,实现葡萄树形态结构的精确描述、可视化表达、定量分析,以及对葡萄树内部各要素的状态、发展演变过程的定量计算和模拟及进一步的预测和评价具有重要意义。葡萄树结构单元划分与命名方案对相似结构的木本植物研究有一定的借鉴与参考作用。     

基于生长元模型的智能化作物集成建模辅助系统研究

 【目的】探索智能化作物集成建模方法和开发实用辅助建模工具。【方法】在综合分析麦、稻、棉等作物的生长模拟模型算法及模拟系统的基础上,提炼作物通用建模流程、模型结构、模型接口和模型模板,构建作物生长元模型;在模型资源库、组件、描述脚本和引擎等技术的支撑下,设计层次化、组件化和智能化作物集成建模辅助系统（IICMSS）结构及核心部件。【结果】基于.Net平台,使用C#语言和SQL Server数据库开发原型系统;以小麦为对象,重构了生长模型和模拟系统。与基于代码编程的小麦生长模拟系统相比,开发方法有所改进,方便了作物模型及模拟系统的开发、测试、维护和共享。【结论】基于生长元模型的智能化作物集成建模辅助系统实现了作物建模的工作流程化、手段工业化、接口通用化及模型透明化,促进了作物建模过程的自动化;作物模型研究者使用学习、定制、设计、配置、组装、评估和扩展等手段,即可无编程、智能化地构建作物模型。     

基于GA-SVR的中长期径流预报

【目的】将遗传算法（GA）与支持向量机回归（SVR）2种算法结合,构建GA-SVR模型,并采用该模型对径流进行预报,为制定防洪抗旱与水资源调度方案提供依据。【方法】以陕西府谷县黄甫川水文站1979-2003年实测资料作为拟合样本,2004-2008年资料作为检验样本,选取降水量、蒸发量为输入量,径流为输出量,通过GA优化SVR的结构和参数,建立GA-SVR预报模型,进而进行径流预报,同时与基于误差反向传播算法的人工神经网络（BP-ANN）、投影寻踪回归（PPR）模型的预报结果进行对比分析。【结果】应用GA-SVR、BP-ANN、PPR 3个模型在径流拟合阶段的预报精度较检验阶段有所下降,但是预报精度均达到了乙级水平,其中以GA-SVR的预报精度最高,效果最好。【结论】GA-SVR模型实现了SVR参数自动化选取,较好地解决了高度非线性、小样本、过学习等问题,模型可行有效,为径流预报提供了一种新途径。     

基于高光谱特征参数优选的土壤盐分含量建模及其验证

目的 研究不同维度光谱变换下土壤盐分反演模型及其验证。方法 以博斯腾湖西岸湖滨绿洲为研究区,面向ASD高光谱数据,利用17种一维数学变换光谱和3种二维变换光谱指数,分别与实测土壤盐分进行相关分析,得到0.01显著性检验水平下初步优选的光谱特征参数,基于VIP准则选入最佳自变量实现PLSR模型构建,进行精度验证。结果 研究区干季土壤平均反射率随含盐量的增加而高于湿季土壤平均反射率,尤其体现在590、800、1 810、2 150 nm处;17种一维单波段光谱变换中,对数倒数的一阶微分(1/lgR)变换与土壤盐分含量相关性最好,峰值敏感波段为1 083 nm,相关系数绝对值|r|最高达0.63;3种二维两波段光谱变换中,归一化光谱指数NDSI(R_{1 780},R_{1 742})与土壤盐分含量相关性最好,相关分析决定系数R ²最大值为0.57;基于特征归一化光谱指数结合VIP准则进行自变量筛选的PLSR估算模型效果最佳,土壤盐分建模集和验证集的决定系数 {R_{\mathrm{V}}}^2 达0.77,均方根误差RMSEV为0.64 g/kg,相对分析误差RPD为2.11。 结论 利用归一化光谱指数NDSI建立PLSR高光谱模型可有效地对研究区土壤盐分进行定量估算。     

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％.