碳排放约束下中国全要素农业能源效率测度与地区差异研究

我国农业发展快速,但同时伴随着大量的能源消耗和环境污染问题。而提高农业能源效率是推动农业绿色低碳发展的重要举措。本文在测度以直接能投入作为非期望产出的CO;来源的农业能源效率的基础上,研究全国农业能源效率的变化趋势,以及各区域的收敛性和收敛速度。结果表明:2000—2018年我国平均全要素农业能源效率为0.64;从总体变化来看,我国全要素农业能源效率整体上呈上升趋势;分区域来看,区域间的全要素农业能源效率呈明显东高西低的态势。从聚类结果来看,内蒙古、山西、河北等13个省(区、市)为低效率地区,吉林、天津等9个省(区、市)为中效率地区,广西、北京等6个省(区、市)为高效率地区。收敛性结果表明,全要素农业能源效率由低效率地区向高效率地区发展,收敛速度为中部>东部>西部。最后,根据结论,提出加强农业要素区域间流通和提高农业技术转化率的政策建议。     

基于YOLOv4网络的棉花顶芽精准识别方法

为实现非接触、低成本、精准识别棉花顶芽,提出一种基于YOLOv4网络在复杂环境下对棉花顶芽进行精准识别的方法。利用K-means算法对棉花顶芽数据集进行聚类,优化先验框改善网络检测精度和速度,得到最优权值模型。对聚类前后模型以及与其他目标检测模型在棉花顶芽检测性能上进行了对比试验,并探究了顶芽在逆光和遮挡环境下,不同模型的检测性能。结果表明：该模型在测试集的平均检测精度（AP）、精确率（P）、召回率（R）、调和平均值（F₁）比原模型分别提高0.36%、1.73%、0.52%、1.16%,单张图像平均检测时间缩短0.28 s;对比SSD、YOLOv3、Tiny-YOLOV4模型,该模型检测精确率和F₁值最高,性能均衡;在自然场景处于逆光状态下,YOLOv4模型检测顶芽效果好于其他模型,且逆光环境对检测影响小;在遮挡条件下各个模型检测精度均有不同程度下降。     

李始叶螨种群动态的研究

选用平均密度、聚块指标和有螨叶率３个指标，运用模糊集合论的方法对李始叶螨种群动态进行了研究。通过模糊聚类分析，将整个种群动态划分为迁入状态集、初发状态集、定居繁殖状态集、盛发状态集和下降状态集。并对各个状态集的种群数量动态和空间动态进行了探讨。     

抗虫杂交棉品种选育的多元遗传分析及综合评价模型研究

应用因子分析对21份抗虫杂交棉新组合15个主要性状进行了分析。结果表明,前6个公因子的累计贡献率达91.88%,各性状的共同度表现均较高,基本能保持15个性状中绝大部分性状的信息量。若以6个公因子作为综合指标进行聚类分析,可聚为6类,且每一类都表现出明显的特征。通过建立综合评价数学模型,并根据各组合综合评价F值大小及聚类分析结果,决选杂交棉优良组合,可为选育理想的抗虫杂交棉组合提供科学理论依据。     

Intelligent Extracting Method for Feature Mode of Electric Days Load

Generally there have a number of bad data in the electric load data and it affects the precision of load forecasting,so it is necessary for extracting the feature mode of days load data,then cleaning the load data before it is used to forecasting electric load or performing power system analysis.Inspired by soft clustering thought,a intelligent feature mode of days load data extracting method is proposed based on the mutual offset of fuzzy c-means clustering arithmetic and Kohonen self organization feature map neural network.With the merits of not only high extracting precision and convergent speed but also dynamic calculation capability,the method proposed can supply load forecasting or system analysis procedure with due data.Test results using actual data of Chengqu power supply bureau in Chongqing demonstrate the effectivity and feasibility of the method.     

喷头水力性能评价的属性识别模型及应用

本文根据属性识别理论 ,探讨了喷头水力性能的综合评价模型 ,应用实例说明建模过程 ,评价结果与模糊综合评判法的评价结果基本相同 ,比较符合实际情况 ,该方法简单、易懂 ,更适合于有标准的系统质量评价问题。     

GEE平台下利用物候特征进行面向对象的水稻种植分布提取

为高效提取高精度水稻种植分布及其面积,该研究基于谷歌地球引擎（Google Earth Engine,GEE）平台,以辽宁省盘锦市为研究区,利用2020年Sentinel-2影像提取水稻生命周期内4个水稻物候期相应的光谱指数,利用简单非迭代聚类（Simple Non-Iterative Clustering,SNIC）算法来分割影像,灰度共生矩阵（Gray Level Co-occurrence Matrix,GLCM）来计算纹理特征,结合支持向量机（Support Vector Machine,SVM）和随机森林（Random Forest,RF）算法构建6种不同的模型进行水稻种植分布提取,并基于目视解译及实地调查数据,对比6种模型提取水稻的验证精度和实测精度,确定最优模型。结果表明：在水稻种植分布提取中,面向对象方法有助于提高水稻种植分布提取精度,且RF算法优于SVM算法。其中SNIC图像分割结合RF模型具有最高提取精度,总体精度和Kappa系数分别为96.83%、0.934,经实测数据验证,水稻实测精度为95.43%,可满足区域水稻种植分布和面积监测需求。     

基于LEACH协议的水产养殖参数智能监控系统

提出了基于LEACH(Low energy adaptive clustering hierarchy)协议的水产养殖溶解氧参数低功耗无线测量网络和溶解氧浓度的智能变频控制技术。无线传感网络中簇首对测量节点的数据先进行融合,然后发送到基站。针对水体溶解氧参数变化缓慢的特点,规定在每一帧内变化小于0.1 mg/L时,不再向簇首发送数据。簇首调整各节点在该帧内数据发送时隙,延长簇首和节点的休眠时间,降低了功耗。PLC根据溶解氧参数的变化一方面通过变频器控制叶轮增氧机,在白天水体溶解氧质量浓度大于5.0 mg/L时,叶轮增氧机低速"耕水",充分利用自然界的风能、光能和藻类的光合作用改善水质;另一方面当溶解氧质量浓度低于5.0 mg/L下限时,采用模糊变频控制迅速缩小误差,在接近控制目标后,变频器输出稳定。通过试验验证,相对于人工粗略控制,节约电能42.3%以上,产量提高11.8%,综合经济收益提高41.3%。     

Clustering Detection Algorithms for Network Intrusions

Traditional abnormal detection methods need a reference model with a profile of normal action, but building the character profile and specifying threshold of abnormal alarm are difficult. So this paper puts forward intrusion detection in combination with clustering and data processing . This algorithm comes true dynamicly updating the center of cluster and the biggest distance within cluster with fast convergence. The effect is better with the help of pre-processing the data. By means of simulated experiments, this algorithm is proved feasible and efficient for unknown intrusion detection.     

Method of Grey Clustering Decision-making to State Assessment of Power Transformer

The assessment of health state of power transformer is a key step to realize Condition-based Maintenance of transformer. Research on health state assessment of transformer has very important actual significance. Transformer can be recognized as a typical grey system. The assessment of its healthy state using grey clustering decision-making method is put forward. The grey classes of transformer are given, the whitenization weight function of grey classes is established, the information involved in assessing the state of transformer is analyzed, and finally steps of state assessment of transformer using grey clustering decision-making are presented. The analysis of actual example demonstrates that the method has provided a new method to assess the health state of transformer.