施肥量对温室滴灌番茄干物质累积、产量及水肥利用的影响

为研究日光温室秋冬茬番茄生育时期干物质生产动态规律,探索高产高效的科学施肥模式,以标准冲施肥(含N量16%,含P_2O_5量5%,含K_2O量19%)为施肥种类,施肥量以N素为基准分为4个肥料处理水平,即F1(高肥)、F2(中肥)、F3(低肥)、F4(不追肥),分析了不同施肥量对日光温室番茄干物质累积、产量和水肥利用的影响。结果表明,番茄产量和水分利用效率(WUE)与施肥量呈"抛物线"关系,当N施量为290.6 kg/hm2(F2)时达到最高值,分别为67 776.93 kg/hm2和49.27 kg/m3,说明适量施肥可提高产量及水分利用效率。但肥料生产效率(PFP)在施肥量为(N)41.4~539.9 kg/hm2范围内呈现负指数降低趋势。植株干物质累积量表现出F2处理F1处理F3处理F4处理。果实干物质累积进程符合logistic函数轨迹,中肥处理比高肥、低肥处理提前进入快速累积期,使快速累积期持续时间比其他处理长1~8 d。全株总干物质转移量对果实贡献率为1.97%~6.96%,说明果实干物质高达90%以上依靠株体自身光合作用填充。因此,番茄结果期加强水肥的供给是必要的。     

基于多维关联规则的猪肉价格波动影响因素分析及预测建模研究

【目的】我国是猪肉生产及消费的大国,近年来,猪肉价格波动呈现频率加快、幅度增大的趋势。猪肉价格波动不仅增加农户收益的风险性,也在一定程度上影响广大民众的生活。正确识别猪肉价格波动的影响因素并对猪肉价格波动进行科学预测,有助于确保市场健康平稳运行。【方法】运用多维关联规则定量分析生猪养殖加工产业链、替代品市场、宏观经济环境变化、突发性事件和国际市场环境等5方面共16种因素与猪肉价格波动的关联和影响程度,将挖掘得到的高相关因素作为模型输入变量,运用支持向量回归机构造提前多步的猪肉价格波动预测模型。【结果】与猪肉价格波动关联程度最高的前3位因素是生猪疫病、生猪价格和仔猪价格,置信度分别为1.00、0.93和0.82;对猪肉价格影响程度最大的前3位因素是生猪疫病、猪肉产量和出栏猪肉量,提升度分别为1.84、1.67和1.67。相较于基准预测模型,将12个高相关影响因素作为模型输入,均方根误差减少29.11%,平均绝对百分比误差减少16.00%。【结论】使用多维关联规则进行变量筛选,不仅能减少模型的变量个数,还能有效提高模型的预测精度。鉴于生猪疫病对猪肉价格波动的关键影响作用,政府相关管理部门应...     

多重线性回归法测定猪内源磷排泄量及饲料磷真消化率的研究

本研究旨在采用多重线性回归法测定生长猪内源磷排泄量及高粱和豆粕中磷的真消化率。试验选用6头健康大白×长白阉公猪为消化试验动物,平均体重为(23.6±1.23)kg。采用6×6拉丁方设计,设6个磷水平(0.08%、0.15%、0.23%、0.30%、0.38%、0.53%),以豆粕、葡萄糖、玉米淀粉等为基础,以高粱和豆粕为磷唯一来源,配制半纯合试验饲粮。饲粮中添加0.35%Cr2O3作为外源指示剂。试验分6个试验期,每期8d,其中6d适应期,2d收粪期。饲粮中磷表观消化率受饲粮中磷水平的影响(P<0.05),并随饲粮中磷水平的提高由14.88%增大至34.88%。在以g/kgDMI为计量单位条件下,生长猪粪磷的排出量与饲粮磷的摄入量呈线性关系(P=0.0001)。结果表明,多重线性回归法可用于生长猪内源磷排泄量和植物性饲料磷真消化率的测定;以豆粕-高粱型模型饲粮测定出生长猪内源磷排泄量为0.2940g/kgDMI,高粱中磷的真消化率为56.05%,豆粕中磷的真消化率为39.41%。     

基于回归分析的重庆市长寿区城镇化进程中的耕地保护问题研究

“十一五”期间,重庆市长寿区城镇化快速发展,同时耕地资源大幅减退,经济发展矛盾日益突出。为了保护长寿区耕地资源,保证粮食安全,缓减城镇化发展面临的资源压力,通过建立回归模型,定量分析长寿区城镇化与耕地资源变化的关系,以求促进经济社会可持续发展。结果表明,城镇化的快速发展是耕地资源减少的直接动因,城镇化程度越高的地区,耕地面积减少越大,从而提出优化空间布局,加强农用地转用管理,开展土地整治,创新土地管理制度等措施解决耕地问题。     

鸡蛋蛋壳裂纹敲击振动功率谱信号特征参数筛选和分析

运用自行研制的禽蛋裂纹检测装置,可以采集并分析敲击鸡蛋产生的响应信号,检测裂纹蛋。提取敲击响应信号功率谱的10个特征参数,并采用逐步回归法和遗传算法进行优化和筛选,以期选取更有效的特征参数,提高模型检测精度。结果表明,遗传算法筛选结果明显优于逐步回归法。当采用遗传算法筛选的4个特征参数(功率谱信号的第1共振峰对应的频率点、第1共振峰的功率谱与其前4个频率功率谱的方差、前3个共振峰功率谱方差、中低频段功率谱能量比)作为判别模型的输入向量,模型能取得最优结果,预测集判别率可达到97.2%。     

深井离心泵的水力设计和二次回归正交试验

根据研发新型井泵节能节材的要求,将水力设计与计算流体动力学技术和二次回归正交试验方法相结合,进行提高井泵效率的试验研究.试验选择深井离心泵的叶轮出口安放角和出口宽度两个几何因素,按二次回归正交试验方案,设计了10副叶轮.通过计算流体动力学技术对包含叶轮、导叶在内的两级新型深井离心泵的全流场进行了设计工况下的三维流场数值模拟,得到了10组设计方案额定点的效率值.通过二次回归正交试验法研究了叶轮出口安放角、出口宽度对效率的影响规律,根据计算结果对新型深井离心泵效率提出了二次回归约束方程.结果表明,采用叶轮极大直径设计法对提高新型深井离心泵的水力效率具有一定的参考价值.     

基于随机森林回归算法的小麦叶片SPAD值遥感估算

使用机器学习中的随机森林(RF)回归算法构建小麦叶片SPAD值遥感反演模型。以2010—2013年江苏地区试验点稻茬小麦3个生育期(拔节、孕穗、开花)的叶片为材料,结合我国自主研发的环境减灾卫星HJ-1对研究区域进行同步监测,分析了各生育期叶片SPAD值与8种植被指数间的相关性;以0.01水平下显著相关的植被指数作为输入参数,使用RF回归算法构建了每个生育期的小麦SPAD反演算法模型,即RF-SPAD模型,以支持向量回归(SVR)和反向传播(BP)神经网络算法构建的SVR-SPAD模型和BP-SPAD模型作为比较模型,以R2和均方根误差(RMSE)为指标,分析了每个生育期3个模型的学习能力和回归预测能力,结果表明:RF-SPAD模型在3个生育期都表现出最强的学习能力,R2和RMSE在拔节期分别为0.89和1.54,孕穗期分别为0.85和1.49,开花期分别为0.80和1.71;RF-SPAD模型在3个生育期的回归预测能力都高于BP-SPAD模型,高于或接近于SVR-SPAD模型,R2和RMSE在拔节期分别为0.55和2.11,孕穗期分别为0.72和2.20,开花期分别为0.60和3.16。     

基于MK—SVR模型的小麦叶面积指数遥感反演

提出了运用多核支持向量回归(MK-SVR)算法构建小麦叶面积指数(LAI)遥感监测模型。以2010—2013年试验样点小麦拔节、孕穗、开花3期的实测LAI数据为基础,同步获取我国自主研发的环境减灾卫星HJ-CCD对该研究区域的影像数据,分析了各生育期小麦LAI与8种植被指数间的相关性。以显著相关的植被指数作为输入参数,使用MK-SVR算法构建了每个生育期的小麦LAI反演模型,即MK-SVR-LAI模型。为了评价模型,每期使用单一核支持向量回归(SK-SVR)、偏最小二乘(PLS)回归算法构建了SK-SVR-LAI、PLS-LAI模型。将模型估算LAI值和田间观测LAI值进行比对,以决定系数(R2)和均方根误差(RMSE)为指标评价并比较了模型。结果表明:3个生育期MK-SVR-LAI模型的RMSE值均低于参比模型,拔节期为0.293 1,孕穗期为0.466 8,开花期为0.548 6,且该模型的R2也都最高,拔节期为0.762 4,孕穗期为0.801 8,开花期为0.668 9。     

近红外多组分分析中异常样本识别方法

近红外光谱分析中,异常样本的存在严重影响定标模型的预测性能和适配性。基于 X / Y 联合的ODXY异常样本识别和剔除方法,提出并证明了一种专用于多组分分析的MODXY异常样本识别方法。实验采用80组玉米近红外光谱数据,利用不同异常样本识别方法剔除异常样本后建立玉米含水率、含油率、蛋白质含量和淀粉含量4种组分的偏最小二乘预测模型,采用预测均方差和决定系数作为评价指标比较所建模型的性能,检验MODXY方法在多组分分析中的异常样本识别能力。实验结果表明：在近红外多组分分析中,MODXY方法在大多数情况下具有更好的异常样本识别能力;MODXY方法和ODXY方法均有一定的适用范围,它们更适合于相应组分化学值的相对标准偏差较大的情况。     

面向智能制造的数控机床多目标优选法研究

考虑当前制造业智能化发展趋势以及数控机床在现代制造工程领域所发挥的关键作用,提出了一种集质量功能展开(QFD)、模糊线性回归和0-1目标规划优点于一体的数控机床多目标优选法。在研究智能制造对数控机床特定要求的基础上,运用QFD考察智能制造需求与数控机床性能之间的因果关系,采用质量屋将智能制造的需求有机地融入数控机床选型中。基于模糊线性回归法确定智能制造需求与数控机床性能在质量屋中的相互关联程度,运用层次分析法计算智能制造需求指标的权重系数,并采用0-1目标规划法在众多候选数控机床中做出最佳选择。以某智能制造平台搭建过程中的数控机床多目标决策问题作为应用案例,从5台候选数控机床中挑选出综合性能最好的1台。研究表明,所提出的面向智能制造的数控机床多目标优选法具有较高的工程实用性。