流域泥沙模型中雨量资料的时空尺度分析

以经改进的格林－安普特下渗模型为基础,选择降雨资料有足够短的时段记载的流域和有足够密度雨量站的流域,分别变化时段长和站网密度计算产品,根据模型模拟精度与时段长及站网密度关系线的转折点,确定适当的时段长和合理的站网密度,通过曹坪流域的站网分析和６个小流域试验站的时段分析,发现对社些流域而言,时段长小于１５ｍｉｎ,站网密度大于２个／１００ｋｍ＾２,其降雨时空均化给模型计算带来的误差可以忽略。     

基于网络技术数字化图书馆建设探讨

介绍了目前网络技术的发展以及在数字图书馆中的应用情况。     

基于多尺度特征提取深度残差网络的水稻害虫识别

【目的】在水稻生产过程中,针对不同虫害需要采用不同的防治方案,水稻害虫的准确识别分类是制定针对性防治方案的前提。【方法】采用深度学习结合机器视觉的方法,基于Res2Net结构提出了一种多尺度特征提取的深度残差网络,通过准确地提取害虫特征实现复杂自然背景下的水稻害虫识别;采用改进的残差结构,使用等级制的类残差连接取代了原本的3×3卷积核,增加了每个网络层的感受野,可以更细粒度地提取多尺度特征。【结果】本网络训练的模型能够有效地识别自然背景下的水稻害虫,在自建的包含22类常见水稻害虫的图像数据集上,平均识别准确率达到了92.023%,优于传统的ResNet、VGG等网络。【结论】本文提出的模型可应用于水稻虫情自动监测系统,为实现水稻害虫虫情的机器视觉监测提供参考。     

BP神经网络在2005年太湖蓝藻水华预警中的应用

蓝藻水华是目前中国乃至世界面临的重大环境问题之一。为了有效地减少及预防蓝藻水华带来的影响,收集苏州市吴县1986—2007年的气象资料,运用主成分分析法,分析了太湖蓝藻暴发前一个月的主要限制因子及其相互关系。气温、气压、相对湿度、降水是影响叶绿素a浓度的主要限制因子。结合2005年1—10月太湖各区域蓝藻叶绿素a浓度的含量,利用Matlab R2010a软件,建立了基于BP神经网络的蓝藻水华预警模型,可为采取相应措施和控制蓝藻水华提供科学依据。     

基于改进的BP神经网络胶铆接头的力学性能预测研究

利用遗传算法优化BP神经网络的连接权值和阈值,并将改进的BP神经网络应用于胶铆接头力学性能预测中,建立了胶铆接头最大拉剪力预测模型.结果表明:GA-BP神经网络比BP神经网络的收敛时间长,但GA-BP网络预测相关系数更好,回归性能更好,具有更好的泛化能力.对训练好的神经网络预测模型进行验证,发现GA-BP神经网络预测的...     

基于BP神经网络的土壤墒情预测精度研究——以肥东县为例

本文以肥东县土壤墒情为例,选用BP神经网络模型,对土壤墒情预测进行探究。先介绍神经网络相关理论知识,然后针对模型建立需要确定的参数做了详细说明。着重比较了隔日和五日两种预测结果的精度,结果表明隔日预报精度要高于五日预测精度,得出结论 BP神经网络短期土壤墒情预报能取得较高的精度,对农业生产具有实际指导意义。     

基于BPNN的非线性电阻网络故障诊断方法研究

针对非线性电阻网络，提出了一种规范式分段线性化求多值解，并采用BPNN对非线性电阻网络硬故障进行诊断的方法，克服了一般方法对非线性电阻网络硬故障诊断时易存在的漏诊问题。     

基于迁移学习的无人机影像耕地信息提取方法

随着精准农业技术的发展,对农作物用地信息快速、准确提取的需求越来越高。同时,无人机技术以其方便、高效、具有低空云下飞行能力等优势被广泛应用于自然资源的调查中。但无人机影像普遍光谱信息较为匮乏,因此很难准确、快速地提取出耕地信息。基于此,提出了一种利用迁移学习机制的耕地提取方法(TLCLE)。首先,利用深度卷积神经网络(DCNN)剔除线状地物(道路、田埂等),然后,通过引入迁移学习机制将DCNN特征训练过程中得到的特征提取方法迁移到耕地提取中,最后,将所提方法与利用易康(e Cognition)软件进行耕地提取(ECLE)结果进行对比。研究结果表明:对于实验影像1、2,TLCLE方法耕地提取总体精度分别为91.9%、88.1%,ECLE方法总体精度分别为90.3%、88.3%,2种方法提取精度相当,在保证耕地地块完整、连续性上TLCLE方法优于ECLE方法。     

基于卷积神经网络的空心村高分影像建筑物检测方法

基于卷积神经网络(CNN)提出了一种适用于空心村高分影像的建筑物自动检测方法,该方法利用多尺度显著性检测来获取包含建筑物信息的显著性区域,然后通过滑动窗口获取显著性区域内目标样本块,再将这些样本块输入训练好的CNN并结合SVM来实现分类。为检验方法有效性,选取高分影像进行实验,结果表明,显著性检测能够有效地获取主要目标,减弱其他无关目标的影响,降低数据冗余;卷积神经网络能够自动学习高层次的特征,基于CNN对高分影像进行建筑物检测,分类准确度可以达到97.6%,表明该方法具有较好的鲁棒性和有效性。     

《森工规划设计》课程中网络教学与课堂教学的整合研究

首先分析网络教学与传统课堂教学的优势与不足,在当前的教学过程中,应该以传统的课堂教学为基础,辅助以网络教学,各取所长,优势互补,达到实现两种教学方式“整合”的目的,提高教学水平与教学效率;介绍《森工规划设计》课程的网络教学资源建设现状并提出教师应为资源建设主导者,学生也应积极参与资源建设;从实践角度阐释网络教学辅助课堂教学的教学模式.网络教学与课堂教学进行整合,可以在传统课堂教学过程中充分发挥教师的主导地位,并在网络教学中发挥学生的主体地位,同时也为教学提供丰富的网络资源,并拓展教学的时空,提高教学效率.