河南省农业水资源脆弱性时空特征及障碍度诊断

从自然脆弱性、人为脆弱性和承载力脆弱性3个层面构建农业水资源脆弱性评价体系,运用熵值法和线性加权综合法测算了2001—2016年河南省农业水资源脆弱性,并利用障碍度模型分析了影响脆弱性的主要障碍因子。结果表明:2001—2016年河南省郑州等9市农业水资源脆弱性呈减小态势,开封等9市呈增大态势,脆弱性增速差异显著;脆弱性演变趋势可分为先升后降、先降后升、波动上升和波动下降4种类型;河南省农业水资源脆弱性空间分布集聚特征明显,脆弱度排序为豫北豫东豫南豫中豫西;河南省农业水资源脆弱性主要受到人为脆弱性和承载力脆弱性的影响,且主要障碍因子存在差异。因此,应积极加强对水资源系统人为干预,通过加大农业资金投入、优化农田水利建设水平、提高农业用水效率等,以实现河南省农业生产与水资源利用协调发展。     

线性模型与机器学习模型在牦牛体重预测比较

本研究旨在比较线性回归模型与机器学习模型在利用体尺性状预测体重时的准确性。测定102头革吉那布地区两岁龄牦牛相关体尺性状(体高、体长和胸围)与体重,然后将数据按照不同比例梯度分为训练集和测试集,利用传统的一般线性模型方法和机器学习方法(高斯过程回归、支持向量机)分别构建体尺性状与体重之间的回归预测模型。每个比例均重复5次,将体重的真实值与预测值之间的相关系数均值作为当前比例下的模型准确性结果。结果显示,随着训练集数据的增加,线性回归模型的预测结果较稳定在0.71至0.80之间,而机器学习方法的预测准确性最高达到0.91。故在训练集数据充足的情况下,相比于一般线性模型,利用机器学习方法进行预测具有更高的准确性。     

基于线阵CCD的油菜条播排种器播量在线监测装置的设计及试验

针对油菜条播机窝眼轮式排种器存在多粒种子同时下落难以监测的问题,设计加装了一种基于线阵CCD传感器的播量监测装置。监测装置发射端采用点光源,通过一组凸透镜形成由平行光线覆盖的种子监测区域,接收端采用线阵CCD传感器,通过实时监测像素值的连续变化,监测油菜种子播量,从而实现对播量的精确计量。运用室内试验台架,对窝眼轮式油菜排种器进行了单粒排种、排种计数、播量监测以及漏播和堵塞报警试验。结果表明:投种高度小于150 mm时,监测装置对单粒投种的监测准确率达100%;排种轴转速分别为20、30和40r/min时,监测装置对1000粒油菜种子计数的准确率分别为98.98%,98.26%和97.32%,对于5、10和20min连续排种播量计量的准确率均能达到97%以上。     

国内糖价影响因素的多元线性逐步回归分析

通过分析国内食糖价格的变化趋势,并以2009年2月至2012年3月国内食糖均价的月度数据为因变量,构建多元线性逐步回归模型,得到国内食糖价格的主要影响因素,分别为:国际食糖均价、原油价格以及居民消费价格指数(CPI)。本文还对各影响因素进行了分析。     

设施园艺移动平台分布式驱动自适应防滑控制

针对设施园艺特殊作业场景对电驱移动平台灵活作业与高操纵稳定性需求,该研究设计了一种四轮轮毂电机独立驱动的分布式设施园艺电驱移动平台,并提出了一种可提高转向灵活性与稳定性的自适应防滑控制策略。在该控制策略中,首先构建电驱移动平台动力学模型与Ackermann差速转向模型,结合速度瞬心原理及轮胎侧偏角确定各车轮转向目标转速;其次,为提高电驱移动平台对时变附着系数的适应能力,采用改进的强跟踪自适应无迹卡尔曼滤波算法设计复杂路面识别器,实现对路面附着系数准确估计;最后,设计基于自适应滑模算法的防滑控制器,根据路面附着系数估计值确定车轮相对最佳滑转率并实时控制滑转率。为验证所提控制策略的有效性,开展了Carsim-MATLAB/Simulink联合仿真与分布式设施园艺电驱移动平台实车试验。试验结果表明,所提控制策略可准确估计复杂道路下路面附着系数,降低车轮滑转率误差;在不变路面、对接路面与对开路面3种工况下,左侧车轮滑转率误差分别为0.031、0.015和0.038,右侧车轮滑转率误差分别为0.026、0.005和0.028;在不变路边随机路面实测路况下,电驱移动平台路面附着系分别数约为0.44和0.47,最大滑转率分别约为0.69和0.68,有效抑制了轮胎转向时的过度滑转,提高了电驱移动平台的行驶稳定性。研究可为设施园艺车辆驱动防滑控制提供具体理论依据和实施方案。     

基于PID直流电机驱动的移动式采摘机器人设计

为了提高移动式采摘机器人的控制效率和移动精度,将直流电机驱动电路引入到采摘机器人移动控制系统的设计中,并采用PID算法对移动速度进行调节,从而避免采摘机器人在移动过程中产生较大的速度波动,提高其作业时的平稳性。为了验证PID算法在采摘机器人移动控制系统上使用的可行性,模拟葡萄采摘机器人的作业环境,对采摘机器人移动过程的速度控制进行了仿真模拟,结果表明:达到速度预定目标时,PID算法比常规算法具有更快的响应速度,调节过程也更加平稳。     

泌乳期中国荷斯坦牛转化孕酮浓度的影响因素分析及其表型预测

【目的】本研究基于试验测定的中国荷斯坦牛血液和乳汁中的孕酮浓度表型，探究了影响中国荷斯坦牛体内孕酮分泌的环境因素、孕酮浓度的变化趋势、孕酮浓度与乳成分的关联程度以及血乳中孕酮浓度的预测方法。【方法】试验于2021年8月在北京、山东两个牧场采集不同胎次、泌乳阶段和妊娠状态的中国荷斯坦泌乳牛的奶样、尾根血样，测定孕酮浓度，最终获得402条乳汁孕酮浓度和298条血液孕酮浓度表型用于数据分析。对孕酮浓度进行数据转化使其近似服从正态分布后，采用固定效应模型探究胎次、泌乳阶段、妊娠状态、牧场等固定效应对奶牛孕酮表型的影响，运用R语言cor函数计算孕酮与各乳成分间的关联，并利用偏最小二乘法和个体及乳成分信息对孕酮浓度进行预测，以建立孕酮浓度表型高通量获取手段。【结果】妊娠状态对转化乳汁孕酮浓度存在极显著影响（P<0.01），胎次、场效应对转化乳汁孕酮浓度均有显著影响（P<0.05），而转化血液孕酮浓度只受到妊娠状态影响（P<0.01）；全乳固体、乳脂率、乳蛋白率、脂蛋比与转化乳血孕酮浓度均存在显著或极显著的正相关关系（r=0.14~0.37，P<0.05；P<0.01）；基于本试验数据，乳成分与个体信息对转化乳血孕酮浓度的预测准确性不高（R²=0.030~0.17），但如果增加血液或乳汁的转化孕酮浓度对乳汁或血液的转化孕酮浓度进行预测，预测效果则有大幅提升（R²=0.40）。【结论】影响泌乳期中国荷斯坦牛转化孕酮浓度的因素除妊娠状态外，可能还包括饲养条件与胎次。此外转化孕酮浓度与乳脂率、乳蛋白率等乳成分呈极显著相关。基于乳成分信息与转化孕酮的关系，获得了对中国荷斯坦牛乳血转化孕酮浓度预测的可用策略，为今后牧场的繁殖辅助管理、奶牛育种新性状研发以及孕酮浓度的高通量获取等提供了新思路。     

Discrimination between Japanese and Chinese Products using trace elements concentration of kernel in pickled Japanese apricot

pp. 875–880

The trace-element composition of kernel in pickled Japanese apricot (Prunus mume Sieb. et Zucc.) was determined using an inductively coupled plasma optical emission spectrometer in order to distinguish between Japanese products and Chinese products.

Strontium and barium concentrations in the kernels of Chinese products were 10 or more times those of the Japanese ones. When based on 8.0 mg kg^?1 of strontium concentration in kernel, 93.2% of sample was distinguished as Japanese products or Chinese ones.

Applying principal component analysis using 9 elements (Mn, Zn, Fe, Ni, Ba, Sr, Cu, Co, Cr), the pickled Japanese apricots tend to separate into two countries. Linear discriminant analysis (LDA) using 9 elements allowed a reasonable classification of pickled Japanese apricots according to the country of production.

The result of the analysis of K-nearest neighbors (KNN) was better than that of LDA.     

基于VC的电机测试系统界面设计

随着计算机技术的不断发展,企业机械化水平获得了极大的提高,对于电机及其保护电器的测试一直以来主要采用人工的方式进行。这种方式,既存在人身安全隐患,同时,也存在测试准确性不高的缺点。所以,实现电机及其保护电器测试的自动化就显得非常重要,也具有很好的实际意义。     

基于PCA-ARIMA模型的高血压发病率预测

目的高血压发病率是政府和相关医学工作者预防和监测高血压的重要依据之一。方法利用主成分分析(principal component analysis,PCA)对因子进行线性筛选,获得保留因子后利用ARIMA进行建模预测,即为PCA-ARIMA多维时间序列组合预测模型。结果高血压发病率的拟合与独立预测结果表明,PCA-ARIMA优于PCA-MLR、ARIMA等参比模型。结论本文提出的基于主成分分析和ARIMA模型(PCA-ARIMA模型)的建模有助于提高模型的预测精度。