三横山人工鱼礁区鱼类和大型无脊椎动物诱集效果初探

为了解人工鱼礁投放对鱼类和大型无脊椎动物(简称FM,以下同)的诱集效果,分别于2007年5、9月和2009年3、5、7月对上三横山人工鱼礁B区与泥底区进行了拖网本底和跟踪调查,并于2009年1-8月对下三横山人工鱼礁A区与鳗头山岩礁和泥底区进行了刺网调查。采用CPUE、Margalef种类丰富度d、经济种类数变化、Whilm多样性指数H′′等反映FM的资源状况。结果显示,(1)鱼礁A区和岩礁区在CPUE、种类丰富度、经济种和多样性上均无明显差异(P>0.05),而两者各指标与泥底区皆存在显著差异(P<0.05);(2)鱼礁B区,投礁后CPUE和经济种类数都明显高于投礁前也大于同期对照区,差异显著(P<0.05);礁区平均丰富度水平高出同期对照区31.1%(P<0.05);多样性水平相对投礁前和对照区都有一定提高,但尚无显著差异(0.05相似文献   

不同材料、形状和空隙的人工参礁对刺参诱集效果的试验研究

采用行为学方法,对体长2～7 cm、体质量2～30 g的刺参(Apostichopus japonicus)在实验室水槽中自然光照下的行为特性进行观察,分别记录了刺参在水槽中无礁（对照组）和有礁区域的分布情况,并分析了不同形状、材料及距水槽底部不同空隙的人工参礁对刺参的诱集效果.实验观察发现,刺参在水槽中有明显的爬壁现...     

基于改进极限学习机的水体溶解氧预测方法

为了有效地指导水产养殖生产,提高溶解氧浓度预测的精度,提出了基于因子筛选和改进极限学习机（Extreme Learning Machine,ELM）的水产养殖溶解氧预测模型。首先,利用皮尔森相关系数法计算各影响因子与溶解氧浓度间的相关系数,提取强关联因子,降低预测模型的输入量维度;采用偏最小二乘算法（Partial Least Square, PLS）优化传统ELM神经网络,避免网络中隐含层共线性问题,保障输出权值的稳定性;然后,结合新型激活函数,构建水体溶解氧浓度预测模型。最后,将SPLS-ELM（Selection Based Partial Least Square Optimized-Extreme Learning Machine）预测模型应用到江苏省无锡市南泉基地某试验池塘的水体溶解氧预测中。试验结果表明：该模型的预测均方根误差为0.323 2 mg/L,与最小二乘支持向量机（Least Square Support Vector Machine,LSSVM）、BP神经网络、粒子群（Particle Swarm Optimization,PSO）优化LSSVM和遗传算法（Genetic Algorithm, GA）优化BP神经网络相比分别降低40.98%、44.48%、34.73%和44.18%。且该模型的运行时间仅0.623 1s,预测精度和运行效率明显优于其他模型。该模型的溶解氧预测曲线接近真实溶解氧变化曲线,能够满足水产养殖实际生产对水体溶解氧预测的要求。     

花龄期棉花虫害的电子鼻检测

棉花害虫具有隐蔽性、迁飞性和突发性特点,并且影响因素众多,棉花虫害准确地诊断是农业领域的难点问题。该研究以受到棉铃虫侵害的花铃期棉花为研究对象,采用电子鼻对不同处理的棉花挥发物进行检测。研究表明,主成分分析（Principal Component Analysis, PCA）和聚类分析结果显示健康棉花释放的挥发物具有明显的昼夜节律性,健康棉花与虫害棉花差异性显著。径向基函数神经网络（Radial Basis Function Neural Network, RBFNN）对8个不同时间的4组虫害棉花处理进行分析,测试集判别总的正确率为73.4%,健康棉花对照组测试集判别正确率100%,误判样本出现在3个虫害处理之间。当不考虑时间因素建立虫害棉花统一的预测模型,RBFNN模型对健康棉花对照组的预测正确率均达到了100%,分析结果可以作为花铃期棉花是否遭受棉铃虫侵害的依据,说明电子鼻可以作为棉花虫害发生的有效监测手段,在农作物虫害监测领域具有潜在的应用价值。     

人工智能产业链分析

根据对我国人工智能技术从基础层到技术层,最后到应用层的全产业链进行分析,旨在 对我国的人工智能技术与应用创新,提供发展方向。我国目前的人工智能技术在某些应用领域 发展迅速。例如,将算法层中的人工智能核心技术——机器学习,应用到智能金融领域、和智能 交通领域的无人驾驶公交车。在智能家居、智能教育、智能医疗等方面,现阶段有一定成果,但也 存在提升空间。     

黄土高原沟壑区人工植被类型对土壤水分和碳氮的影响

以黄土高原沟壑区人工建造的典型植被油松、侧柏、刺槐、沙棘、苹果为研究对象，研究分析了不同植被类型对土壤水分含量、土壤碳氮累积等的变化影响。研究表明，旱季刺槐林地表现出了强烈的耗水特征，200cm以下土壤含水量具明显减少趋势。200—300cm处水分含量仅为5．8％～7．1％，而油松林地200cm以下与荒草地含水量基本相一致，土壤水分含量保持在15％左右，侧柏、沙棘、苹果土壤水分利用主要在20-200cm范围内。雨季，天然降雨虽对林地水分含量有所补充，但只表现在0-50cm表层，且各个植被类型间表现不明显；与荒草相比，油松群落土壤有机碳氮提高了9．3％，果园土壤有机碳含量显著降低，而沙棘、侧柏和刺槐群落的土壤有机碳含量虽低于荒草群落，但尚未达到显著水平。     

中国苹果产量预测模型比较分析

提出了一种灰色神经网络模型。该模型结合了灰色GM(1,1)预测模型和BP神经网络2种预测模型的优点,并用此模型对我国的苹果产量进行预测。将GM(1,1)预测模型的预测值作为BP神经网络的输入变量,实际值作为输出变量进行神经网络训练。灰色神经网络模型对2004、2005年苹果产量的预测精度分别为98.11%、98.45%,高于单一的灰色GM(1.1)预测模型或BP神经网络。     

基于神经网络系统的附着系数计算模型

对几种附着系数计算模型进行了深入研究,在全面分析了主要影响附着系数因素的基础上,采用神经网络优化算法,分别建立了以路面状况、胎压及车速为输入,以附着系数为输出的3种轮胎花纹的神经网络附着系数计算模型,并验证了模型的有效性。该模型能够计算汽车在不同的行驶工况下的轮胎/路面间的附着系数,从而为附着系数实时监控提供理论依据,为行车安全提供保障。     

基于改进果蝇算法优化广义回归神经网络的绿色农产品消费行为预测

针对绿色农产品消费行为具有多变量非线性相互作用的特点,传统统计方法难以准确预测消费行为的问题,提出基于改进果蝇算法优化的广义回归神经网络消费行为预测模型。首先针对果蝇群搜索不均匀所导致果蝇飞行单一的问题,提出一种均匀的果蝇群搜索机制即扇形果蝇优化算法加快搜索能力和效率;其次针对广义回归神经网络的平滑因子易受人为选择的影响,提出改进果蝇算法优化广义回归神经网络参数,实现参数的自动化选择,提高模型的预测能力。运用提出的模型对绿色农产品消费行为预测。结果表明：相较于广义回归神经网络,遗传算法优化广义回归神经网络、粒子群算法优化广义回归神经网络、果蝇算法优化广义回归神经网络和改进果蝇算法优化广义回归神经网络模型在均方根误差指标上分别下降4.45%、1.89%、4.54%和5.03%,表明遗传算法、粒子群算法、果蝇算法和改进果蝇算法能够优化广义回归神经网络模型的平滑因子,提高模型的预测精度。从平均绝对误差、均方误差、均方根误差3个评价指标看,改进果蝇算法优化广义回归神经网络模型比其他6个单一预测模型具有更高预测精度。结果证明了改进果蝇算法优化广义回归神经网络模型在绿色农产品消费行为预测的有效性,...     

水稻拔节期和抽穗期低温对稻米品质影响

【目的】为了探讨低温冷害对水稻品质的影响,以便为气候变化背景下辽宁地区水稻的高效栽培和品质认证提供理论依据。【方法】以水稻90-35为供试品种,分别于拔节期和抽穗期通过TRP-1000D型人工智能气候箱进行不同低温处理(比外界低5℃和低3℃,均持续5 d),以正常栽培管理作对照,5个处理,分别记为CK、A1、A2、B1、B2,分析拔节期和抽穗期不同等级低温胁迫处理对水稻的营养品质、研磨品质和外观品质的影响。【结果】低温胁迫下90-35水稻的蛋白质含量、直链淀粉含量较CK显著增加,处理A1、A2、B1、B2的蛋白质含量分别比CK增加3.45%、1.15%、6.90%、8.05%,除处理B1外直链淀粉含量分别比CK增加1.75%、0.44%、0.44%;脂肪酸含量和精米率较CK显著减少,处理A1、A2、B1、B2的脂肪酸含量分别比CK减少17.75%、7.5%、25%、11%,精米率分别比CK减少2.1%、6.95%、0.22%、7.5%。拔节期低温胁迫下糙米率和垩白粒率显著减少,处理A1、A2的糙米率分别比CK减少0.73%、1.09%,垩白粒率分别比CK减少33.3%、22.2%;抽雄期低温胁迫下糙米率和垩白粒率显著增加,处理B1、B2的的糙米率分别比CK增加0.6%、3.02%,垩白粒率分别比CK增加255.6%、133.3%,即低温胁迫使其营养品质和研磨品质中的精米率受到负面影响,而拔节期适当低温胁迫处理对其研磨品质中的糙米率和外观品质有益。【结论】水稻90-35在不同生育时期经受不同低温胁迫处理后,水稻的营养品质、研磨品质和外观品质均受到不同程度的影响。