基于小波支持向量机特征分类的日径流组合预测——以宜昌三峡水库为例

河流径流预测作为水库调度和发电的重要前提,其预测精度直接影响水利工程的综合效益。基于径流历史数据,针对其波动和随机性提出一种小波分析-支持向量机(SVM)特征分类组合预测模型。该模型首先利用小波分解提取原始径流序列的高低频能量谱作为SVM样本标记,并对原始序列进行特征分类,分为"平稳型"和"突变型"序列,对应不同类型序列的小波近似信号和细节信号分别采用自回归和滑动平均模型(ARMA)和BP神经网络模型进行预测,再重构各序列预测结果。最后采用平均绝对百分比误差(MAPE)、均方根误差(RMSE)、希尔不等式系数(TIC)作为模型评价指标。结果表明:在3个评价指标下,所提模型都优于ARMA和BP神经网络模型,并具有更好预测稳定性。     

基于根系特征分析海岛棉幼苗耐碱性

针对海岛棉幼苗期进行耐碱性研究,设置不同Na₂CO₃胁迫浓度(0.00%、0.07%、0.09%和0.11%),待幼苗长至第11天根据其根部特征筛选海岛棉耐Na₂CO₃的最适浓度,并基于最适浓度评价海岛棉的耐受性。结果表明,0.09%的Na₂CO₃胁迫最适于鉴定海岛棉耐碱性;在0.09%的Na₂CO₃碱胁迫下,海岛棉品种根系特征性状均受到不同程度抑制,像素面积变异最弱。主成分分析将根部特征性状分为3个主成分,第1主成分为根系生物量和形态因子;第2主成分为侧根因子;第3主成分为主根长度因子。隶属函数值和D值之间拟合性较好,呈显著相关,因此可将两者统一进行综合评价,将海岛棉划分为敏感型、弱耐碱型、耐碱型和强抗型4类,并筛选到敏感材料4401和S(L),强抗材料JZ-1;供试海岛棉材料主要以中间型为主,极端材料较少。