基于时间序列分解方法的太湖未来特征水位预测

基于太湖沿湖5个水文台站1956—2006年的逐日平均水位数据,提取得到了逐年特征(平均、最高和最低)水位,运用时间序列分解方法模拟和预测了太湖未来15a的特征水位,并探讨了太湖未来洪灾情势。将水位序列分解为趋势成分、周期成分和随机成分,得到时间序列分解模型,并进行了水位序列模拟和预测。分析结果表明,该模型的模拟精度比较理想,可以实现未来较长期的特征水位预测。预测得到未来15a后的最高水位可能达到4.05m,显著超过太湖警戒水位,因此需引起相关部门的重视。     

2017年全球农药市场价值预计达685亿美元

全球管理咨询及市场调研公司Lucintel在《2012—2017全球农药行业趋势,利润及预测分析》报告中对全球农药市场进行了分析并展示了研究成果。根据报告预测．全球农药行业有望在接下来的5年里以5．5％的复合年增长率持续良好发展．并预计在2017年市值将达685亿美元。全球对营养和高质量的食品的需求量不断上升,而耕地面积则不断缩减．这成为了农药行业预期的增长推动力．     

基于神经网络的混沌时间序列土壤墒情预测预报

土壤墒情预测预报对农业生产、水分循环的研究具有重要的意义。应用混沌理论对具有混沌特性的土壤墒情时间序列进行相空间重构,利用神经网络对土壤墒情时间混沌序列重构相空间中相点的演化过程进行了学习、训练及预测。结果表明,该方法所需的参数较少,简单易行,即只需要土壤墒情时间序列数据。通过对预测预报值与实测数据进行比较,证实了该方法相对误差较小,预测精度高,有一定的可靠性和实用性。     

土壤温度时间序列预测的BP神经网络模型研究

针对滨海盐溃区表层土壤温度时序变化复杂、高度非线性的特点,以江苏省苏北典型滩涂区域为研究对象,综合运用BP神经网络和时间序列多维拓展的方法,对长期定位监测点表土层土壤温度时间序列数据进行了分析和预测,为土壤溶质运移研究与当地作物合理布局提供理论基础和参考依据。结果表明,输入层、隐含层和输出层神经元数目分别为7、7和1的3层BP神经网络模型用于土壤温度时间序列训练仿真时效果最优,其误差平方和达最小值18．017。选定的此结构BP神经网络模型简单、实用,有良好的推广泛化能力,经独立测试样本检验,预测值与实测值的相对误差均在20％以内,平均相对误差仅为2．94％,可满足土壤温度日常预报的需要。     

基于改进重复预测原理的并联有源电力滤波器无差拍控制策略

为了使有源电力滤波器(APF)能够快速的、高精度的输出补偿谐波,针对APF主电路的控制方法,该文提出一种改进的基于重复预测原理的无差拍控制算法。该文首先介绍了并联型有源电力滤波器的工作原理,其次建立了三相并联型有源电力滤波器的数学模型,并根据其数学模型分析了无差拍控制的工作原理。最后通过无差拍控制的工作原理可知谐波电流指令信号的预测是决定无差拍控制效果的关键。为了进一步提高使用无差拍控制时的APF滤波效果,根据谐波的周期性,该文采用改进的重复预测策略对下一拍输出电流预测,并且分析了这种预测方法的稳定性。此改进的重复预测无差拍控制策略能够提高稳态时的预测精度和暂态时的响应速度。仿真波形分析与试验结果分析证明了其可行性。     

世界小麦及其他主要农产品供需预测

一、世界农产品2008伪年度总产量预计将会上升 小麦：尽管干旱使中东地区的冬小麦大幅减产,美国农业部预测全球2008／2009年度小麦产量仍然要比上一年度高很多。根据预测,2008／2009年度的小麦产量将比上一年度增加0．656亿t,增加8％,达到6．708亿t。预计种植面积将增加到2．25亿hm^2,增加3％,平均每公顷产量较2007年增产5％。比较显著的增长区域预计在欧盟、美国、乌克兰、澳大利亚等一些国家。     

不同湍流模型在轴流泵性能预测中的应用

为了评价不同湍流模型在轴流泵性能预测中的精度,该文以南水北调工程轴流泵模型作为研究对象,分别选取了3种湍流模型标准k-ε湍流模型(standard k-ε)、重正化群k-ε湍流模型(renormalization group k-ε,RNG)和雷诺应力模型(reynolds stress model,RSM),基于SIMPLE算法(semi-implicit method for pressure-linked equations)和结构化网格,进行了轴流泵性能预测和全流场数值模拟,并以水利部天津同台测试的试验结果作为基准对预测扬程和效率进行了误差分析。研究结果表明,网格密度对模拟结果具有较大影响,较疏的网格导致性能预测精度降低,在大流量和小流量工况下预测的扬程和效率误差将达到3%以上;在最优工况下,Standard k-ε、RNG k-ε和RSM湍流模型的扬程预测误差分别为0.97%、1.12%和1.24%,效率预测误差分别为2.93%、2.49%和2.97%,可满足工程应用要求;但在非设计工况下,由于二次回流、空化等复杂流动的存在,内部流场复杂,3种湍流模型的扬程最大预测误差范围为9.40%～14.30%,效率最大预测误差范围为4.48%～8.30%。该结论将为轴流泵性能预测的可靠性提供依据。     

基于BP神经网络的离心泵关死点功率预测

离心泵关死点功率至今还不能通过理论计算求得。该文介绍了BP神经网络的结构和特点及其在离心泵性能预测领域的应用现状。基于BP神经网络建立了离心泵关死点功率的预测模型。给出了预测模型的输入模式,并应用试凑法确定了BP神经网络中间隐含层的数目。用46组数据该预测模型进行了训练并给出了神经网络权值和阈值,用3组数据该预测模型进行了仿真并对仿真结果进行了线性回归分析。研究结果表明:建立的离心泵关死点功率预测模型具有比较高的预测精度,其预测平均偏差为4%,可以应用于工程实践中离心泵关死点功率的理论求解。     

黑土区田块尺度土壤有机质含量遥感反演模型

为了对田块尺度土壤有机质进行空间反演并提高模型精度和稳定性,该文以黑龙江省黑土带41.3 hm~2田块为例,获取2016年5月中下旬两期(受限于拍摄周期和天气原因而选择不同卫星影像,2016年5月17日Landsat 8影像和5月25日Sentinel-2A影像)裸土时期遥感影像和4 m分辨率DEM数据;分析单期影像与土壤有机质(soil organic matter,SOM)的关系,两期影像所包含的土壤含水量变化信息与地形因素对SOM预测模型精度的影响,建立基于BP神经网络的SOM遥感反演模型。结果表明:该田块内SOM含量差异较大;利用单期影像预测SOM时,基于红波段和785~899 nm波段建立的预测模型精度(建模均方根误差RMSE 1.033,检验RMSE 1.079)和稳定性(建模决定系数R2 0.677,检验R20.644)较高;两期影像时,基于红波段和1 570~1 650 nm波段建立的预测模型精度(建模RMSE 0.855,检验RMSE 0.898)和稳定性(建模R2 0.792,检验R2 0.797)显著提高;在两期影像模型基础上,加入地形因子作为输入量,模型精度(建模RMSE 0.492,检验RMSE 0.499)和稳定性(建模R2 0.917,检验R2 0.928)进一步提高。研究成果可为土壤碳库估算和农田精准施肥提供理论与技术支持。     

贮前苯胺蓝染色预测苹果冷藏末期表皮病害

为了实现对苹果贮藏末期表皮病害的预测,以红富士苹果（Malus domestica Borkh cv. Fuji）为试材,通过苯胺兰染色的方法,研究了苹果采后苯胺兰染色与果实贮藏末期几种表皮病害的关系。结果表明：富士苹果采后苯胺兰染色指数与贮藏末期的好果率呈明显负相关,相关系数为-0.947;果实苯胺兰染色的级别与二氧化碳伤害指数和腐烂指数密切相关,其决定系数分别为0.9779和0.8394,但苯胺兰染色的级别与贮藏末期果实的虎皮病和皮孔斑点病之间无明显的相关性。因此,苹果采后苯胺兰染色可用于预测果实贮藏末期的好果率。