我国主要牧区牧业生产效率及影响因素研究——基于DEA-CLAD的两阶段模型

为了解我国牧区牧业生产增长潜力,利用标准化的220个主要牧区牧场数据构建DEA模型和Tobit、CLAD模型,对牧业生产效率及政府培训、合作社、土地流转、气候带、经营方式等影响因素进行了研究。结果表明:1)我国牧区牧业生产技术效率和规模效率总体偏低,提升空间大,在不同气候带和经营模式下分布差异显著;2)经条件矩检验和LM统计量检验发现,传统Tobit模型扰动项的正态性和同方差性假设在一般情况下难以满足,选用CLAD模型分析影响因素更稳健;3)参加政府培训与合作社,优化从业人员年龄结构,提升从业人员学历、专业化程度、远行距离,有助于生产效率的提高。     

生物炭对烤烟生长及烟叶质量的影响

为了改善烟叶质量,探讨最适宜的生物炭施用量,系统阐明生物炭对烤烟生长及烟叶质量的影响。以云烟87为试验材料,通过田间试验研究了3种不同生物炭施用量(3 000 kg/hm~2、3 750 kg/hm~2、4 500kg/hm~2)对烤烟生长及烟叶质量的影响,并利用R语言构建了偏最小二乘路径模型。结果表明:施用生物炭能显著降低烤烟黑胫病发病率及病害指数,较低水平的生物炭施用水平能促进烤烟生育前期的生长及根系发育,协调烟叶化学成分;生物炭施用量过高时对烟叶质量产生负面影响。偏最小二乘路径模型明确了施用生物炭后烤烟生长及烟叶质量各指标之间的关系,系统地阐明了生物炭促进烤烟生长及烟叶质量的作用机制。综合来看,最适宜的生物炭施用量为3 750 kg/hm~2。     

土壤有机质含量可见-近红外光谱反演模型校正集优选方法

土壤有机质含量可见-近红外光谱反演过程中校正集的构建策略对模型的预测精度有重要影响。以江汉平原洪湖地区水稻土为研究对象,采用Kennard-Stone(KS)法,Rank-KS(RKS)和Sample set Partitioning based on joint X-Y distance(SPXY)法,构建样本数占总校正集不同比例的子校正集,通过偏最小二乘回归,建立土壤有机质含量的可见—近红外光谱反演模型。结果表明:KS法无法提高模型预测精度,但可以在保证标准差与预测均方根误差比(ratio of performance to standard deviation,RPD)2.0的前提下减少30%的校正样本;基于SPXY法的模型,当子校正集样本比例为总校正集的50%时达到最佳的模型预测精度,RPD为2.557;RKS法能够在保证预测精度的情况下(RPD2.0),最多减少总校正集70%的样本,对应模型RPD为2.212。当校正集与验证集的有机质含量分布相近时,能够以较少的建模样本达到与总校正集相近甚至更高的模型预测精度,提升土壤有机质光谱反演模型的实用性。     

基于高光谱图像的蓝莓糖度和硬度无损测量

为了对蓝莓硬度和糖度进行无损检测,采用近红外光谱仪(900~1700 nm)分别对490个"蓝丰"蓝莓的果柄侧和花萼侧进行高光谱成像,并测量整个果实的硬度和糖度。应用偏最小二乘回归法分别对果柄侧、花萼侧和整个果实的平均光谱建立硬度和糖度预测模型。试验结果表明,蓝莓硬度呈双峰分布,表明实际生产中有望分为2类;蓝莓糖度呈正态分布;硬度和糖度的相关性仅为?0.15,说明不能通过二者之中的任何一个来估计和评价另一个。采用整个果实的平均光谱数据建模效果最好,硬度的校正集相关系数RC和验证集相关系数RV达到0.911和0.871,糖度的为0.891和0.774,但主成分数都有所增加。结果表明,采用高光谱技术对蓝莓硬度和糖度进行快速、无损检测是可行的。     

基于最小二乘支持向量机的灌区粮食产量预测研究

对常用作物产量预测模型进行了简要评述,建立了基于最小二乘支持向量机的灌区产量预测模型。对灌区作物产量进行模拟计算,并用检验样本与灰色预测和神经网络模型的预测结果进行了比较。结果表明,最小二乘支持向量机预测的最大误差7．12％,平均误差4．81％。最小二乘支持向量机模型有较高的预测精度和良好的推广能力,可做为灌区粮食产量预测的一种新方法。     

基于优化灰色模型的农村季节性电力负荷预测，

提出了一种基于优化灰色模型的农村季节性电力负荷预测方法：首先对原始的时间序列数据进行移动平均处理,然后分别建立多个灰色GM（1,1）模型并进行优化组合．实例研究结果表明,该方法具有较高的预测精度。     

网络信息检索行为中的“最小努力法则”

从用户心理控制、认知策略和需求目标三方面分析了“最小努力法则”在支配网络信息检索行为时的表现,即不完全理性控制、规避不确定性和结果“够用”三种倾向,并针对这些倾向提出了信息检索系统设计要提高易用性和友好性、提供有助于提高确定性的信息支持等。

     

基于近红外技术的落叶松木材密度预测模型

运用近红外光谱对落叶松(Larix gemelinii Rupr)样品密度进行了研究,分别运用偏最小二乘法及主成分回归建立预测模型,并用建立的模型分别对每一个样品进行了预测。基于偏最小二乘法的校正模型及验证模型相关系数分别为0.964和0.918,校正标准误差及预测标准误差分别为0.016和0.021,模型预测值与实测值决定系数为0.93;主成分回归模型中,校正模型及验证模型相关系数分别为0.954和0.911,校正标准误差及预测标准误差分别为0.017和0.023,模型预测值与实测值决定系数为0.91。研究表明:基于主成分回归法与偏最小二乘法的近红外光谱分析建模,都可以实现对落叶松木材密度的有效预测,但相比较而言,偏最小二乘法略优于主成分回归法,所建立的模型对落叶松木材密度预测更加准确可靠。     

基于田间原位土壤含水量估测的可见/近红外光谱建模方法

为实时、准确地获取原位土壤含水量信息,利用可见/近红外光谱技术,分别使用全局偏最小二乘(PLS)建模、局部PLS建模方法,对田间原位土壤含水量进行快速估测。结果表明:全局PLS模型中,其建模集的决定系数(R~2)、交叉验证均方根误差(RMSECV)分别为0.943和1.750%,检验集的决定系数(R~2)、预测均方根误差(RMSEP)分别为0.956和1.260%。局部PLS模型中,分别比较了选取定标子集的2种方法(欧氏距离法和马氏距离法),采用欧氏距离法和马氏距离法选取定标子集进行建模的R~2值分别为0.974和0.979,RMSEP值分别为0.976%和0.943%。因此,将可见/近红外光谱技术应用到田间原位含水量测量是可行的,其中,使用局部建模方法的效果优于全局建模。     

FT-NIR快速检测制丝过程膨丝与叶丝掺配比例及均匀性

将膨胀烟丝与某品牌正常生产切丝后烟丝,分别按计算好的不同比例混合均匀后,应用傅立叶变换近红外光谱技术采集混合烟丝的近红外光谱,采用偏最小二乘法(PLS)建立预测膨胀烟丝与片烟烟丝掺配比例值的近红外模型,其相关系数是0.993 0,并进行了准确性和精密度试验。试验表明,FT-NIR光谱法可以很好地应用于膨胀烟丝与片烟烟丝掺配比例的快速检测,以监控制丝过程中膨胀烟丝与片烟烟丝的掺配均匀性。