一类具有时滞和阶段结构的捕食系统的持久性和全局吸引性

讨论了一类具有连续时滞和阶段结构的捕食-食饵系统,利用微分方程比较定理得到保证此系统持久性的充分性条件;利用迭代方法探讨了此模型的平衡点问题,得到保证此系统全局稳定的充分条件,并通过具体实例证明该条件是可行的.     

推动北大荒文化大发展大繁荣

党的十七届六中全会指出,"文化越来越成为民族凝聚力和创造力的重要源泉,越来越成为综合国力竞争的重要因素,越来越成为经济社会发展的重要支撑,丰富精神文化生活越来越成为我国人民的热切愿望"。当前,黑龙江农垦牡丹江管理局正处在加快转变发展方式,加快战略转型,努力打造现代化大农     

西北五省生态文明发展水平收敛性及影响因素

基于DPSR模型,采用熵权TOPSIS、β收敛检验及面板数据回归,从"经济社会发展D-驱动力、生态胁迫压力P-压力、生态系统环境S-状态、环境保护R-回应"4个系统测度西北五省生态文明发展水平并进行收敛性检验和影响因素的分析,以期为西北五省生态文明建设的管理决策提供科学依据。结果表明:2000—2016年生态文明发展水平呈"先缓后急"波动攀升的趋势;生态文明发展水平及其驱动力、压力子系统均存在显著的绝对β、条件β收敛,状态、回应系统不存在绝对β收敛,但存在条件β收敛;人均居住消费、人均教育文化娱乐消费、人均食品消费对生态文明发展水平的影响有显著的正向作用,人均GDP、城市化率对生态文明发展水平的影响有显著的负向作用,城镇人均住房面积对生态文明发展水平的影响不显著。     

求解约束最优化问题KKT系统的BFGS方法

利用Fischer—Burmeister函数，将约束最优化问题KKT系统转化为等价的非光滑方程组，利用广义导数，给出一个求解该非光滑方程组的BFGS方法。其子问题是一个系数阵为正定对称阵的线性方程组．为保证全局收敛性，我们引进了一个适当的线性搜索，它使得效益函数近似下降．在适当的条件下，我们证明了算法是适定的，并具有全局收敛性和超线性收敛性．     

海州湾日本枪乌贼和短蛸空间结构的季节变化

日本枪乌贼和短蛸是头足类中重要的经济种类,一般为一年生,其空间分布受季节变化的影响较大。由于受调查时间的限制,鲜有在该方面的研究报道。本研究根据2011年春季(5月)、秋季(9月)和冬季(12月)在海州湾及邻近海域进行的渔业资源底拖网调查数据,运用全局空间自相关、热点分析以及变异函数等方法分析了日本枪乌贼和短蛸的空间结构的季节性变化。研究表明:(1)日本枪乌贼和短蛸全局空间自相关性不强,存在局部空间热点,变异函数分析结果与全局空间自相关结果基本一致。(2)日本枪乌贼和短蛸空间自相关的尺度存在季节变化,两个物种均表现为在春季的空间结构性较强,而在秋、冬季的空间结构性较弱,春季的空间自相关性程度高于秋、冬季。(3)在春季,二者均在35.0°~35.5°N、120.0°~121.0°E海域存在一个空间热点,在资源密度最高的季节时其空间分布呈现出随机性特征。物种的空间分布模式可能与环境的季节变化以及其洄游分布和摄食习性相关。本研究有利于深入了解日本枪乌贼和短蛸的生活史特性及其栖息地,可为该资源的合理利用和保护以及后续研究提供理论参考。     

基于二层规划理论的水文模型参数识别研究

流域水文模型有效应用的关键之一是参数识别,但由于水文模型存在高度敏感性参数以及参数之间的高度相关性增加了模型参数识别难度。本文以新安江模型为例,在分析参数敏感性和相关性的基础上,建立了基于二层规划理论的参数识别模型,研究了二层规划问题的求解算法,并进行了天福庙水库径流模拟的实例研究。通过与SCE-UA、PSO、PMSE-PSO和SMSE-PSO优化单目标函数的结果比较,可以看出,基于二层规划理论的新安江模型参数优选方法具有较高的预报精度,是一种有效可行的水文模型参数优选方法。     

基于EPIC模型的冬小麦生长模拟参数全局敏感性分析

模型参数的敏感性分析是模型本地化、区域化过程中不可或缺的重要环节。局部敏感性分析忽略了参数间的相互耦合作用对模型结果的间接影响,从而导致敏感参数选取具有一定的片面性。该研究以河北衡水冬小麦试验区为研究区,使用全局敏感性分析方法分析EPIC模型在冬小麦产量模拟中的敏感参数。研究表明：收获指数（HI）、生长季峰值点（DLAI）、潜在热量单位（PHU）、最大作物高度（HMX）是影响模型本地化最为关键的参数（总敏感指数＞0.1）;作物的播种日期、收获日期及种植密度是影响区域尺度的作物产量估计最为敏感参数（总敏感指数＞0.1）。研究同时表明全局敏感性分析方法可用于作物生长模型本地化、区域化研究,且优于传统局部敏感性分析方法。     

改进粒子群算法在设计洪水过程线推求中应用

针对基本粒子群算法在处理高维复杂问题时易陷入局部极值点的不足,提出自适应随机惯性权的粒子群优化算法,并基于此算法建立起洪水过程的放大模型。在进化过程中,为粒子群中的各个粒子随机选取惯性权值,并随进化代数自适应地调整随机惯性权值的概率分布,提高了算法全局寻优的性能。实例表明：该模型不但可以有效保持典型洪水的模式,避免手工修均的任意性,而且可以很好地满足洪峰洪量的约束要求,有较高的精度。     

基于全局特征提取的农作物病害识别模型

针对现阶段特征提取网络当测试样本出现歪斜、模糊、缺损等变化时识别效果不够理想,利用训练样本扩充、变换、缩放等方式改善网络性能并不能动态地满足实际的复杂病害图像识别任务的问题,在ResNet50中引入双层注意力机制与通道特征提取机制,设计基于全局特征提取的深度学习网络（Global feature deep learning network,GFDL-Net）,该网络包括通道特征提取子网络（Squeeze and excitation net,SE-Net）和双注意力特征提取子网络（Double feature extraction net,DFE-Net）,分别从通道空间特征提取与平面关键点特征提取两方面改善了网络的全局特征提取能力。为了验证GFDL-Net的有效性,对辣椒、马铃薯、番茄等15种病害图像加入不同角度的旋转、色彩变换等测试,发现在样本加入旋转后与ResNet50、BoTNet、EfficientNet相比,平均识别准确率分别高出20.05、18.62、21.97个百分点;加入明暗度、饱和度、对比度变换后与ResNet50、BoTNet、 EfficientNet相比,平均识别准确率分别高出3.57、0.53、3.98个百分点,而识别速度分别为ResNet50、BoTNet、EfficientNet的4.4、4.9、2.0倍。试验证明GFDL-Net在图像全局特征提取能力方面的改进能有效提升网络的泛化能力与鲁棒性,可将其应用于解决变化样本的农作物病害识别任务中。     

水田植保机自主作业滑模抗干扰路径跟踪方法

为解决无人化水田植保机在田间作业时上线速度慢、精度不高和抗干扰能力差的问题,提出了一种基于快速幂次趋近律和全局滑模控制的水田植保机路径跟踪控制方法。首先建立了含有滑移干扰项和航向角干扰项的水田植保机四轮异相位转向运动学模型,提出了一种基于全局滑模控制和快速幂次趋近律的直线作业跟踪转向控制算法,解决了滑模控制算法的抖振和趋近模态对干扰敏感的问题,使用Lyapunov判据检验了算法的收敛性。使用Matlab建立了仿真模型,对算法进行了仿真,相比基于指数趋近律和等速趋近律的滑模控制算法,本文算法的快速性更好。实际作业实验结果表明,该方法直线跟踪横向偏差绝对值最大为0.0778m,能够有效提高自主导航控制系统的稳定性和快速性。