利用地形、土壤和作物信息辅助提高东北漫岗地数字高程模型精度的新方法

【目的】SRTM DEM是可免费访问公开可用的数字高程模型,但是当前SRTM DEM的垂直精度不能满足精细农业对地形数据的需求,提高其垂直精度,为精准农业等领域提供数据基础。【方法】以黑龙江省海伦东兴农机合作社为研究区,采集实际地面高程数据,获取SPOT-6、Sentinel-2A遥感影像和SRTM DEM。提取归一化湿度指数（NDMI）、归一化植被指数（NDVI）、土壤亮度（TCB）、潜在太阳辐射（PSR）等变量分析地形对其影响关系。利用极限学习机（ELM）和反向传播神经网络（BPNN）提高SRTM DEM水平空间分辨率和垂直精度。使用实际地面高程点进行精度验证,与基于无人机和光学立体像对（ZY-3）生成的DEM进行对比。【结果】SRTM、NDVI、NDMI、TCB与改进后高程的灰色关联度在90%以上,是改进SRTM DEM的重要辅助信息。在整个研究区,BPNN方法的RMSE_P为0.98,R²_P为0.98,ELM的RMSE_P为1.00,R²_P为0.90。在平坦区,BPNN方法的RMSE_P为0.84,ELM的RMSE_P为1.00;在起伏区,BPNN方法的RMSE_P为0.99,ELM的RMSE_P为0.94。该方法获得的DEM的垂直精度高于ZY-3光学立体像对生成的 DEM的垂直精度,为提高SRTM的水平空间分辨率和垂直精度提供了新思路。【结论】引入SRTM、NDVI、NDMI、TCB辅助信息有利于提高SRTM DEM的空间分辨率和垂直精度,获得高精度的DEM。BPNN方法获得的数字高程模型的精度整体上高于ELM方法, BPNN方法更加适用于平坦区高精度DEM的获取,ELM方法更加适用于起伏区。     

红松人工林优树个体结实量与生长因子关系的研究

为探讨红松生长指标对结实量的影响,调查了草河口地区30～80年生5个林龄红松人工林优树个体结实量和胸径等生长指标,利用灰色关联度方法分析结实和生长因子之间的关系。结果表明,与个体结实量关联度较大的3个生长因子是树高、胸径和侧枝长。因此,除了个体结实量外,树高、胸径和侧枝长可作为红松结实型优树选择的重要依据。     

关于线性变换的可交换问题的一些讨论

给定线性变换的可交换问题是高等代数教学及研究的重要内容,对常用教材中线性变换可交换的问题作了收集整理与分类,讨论了一类线性变换可交换的判定问题,指出了这类线性变换可交换与线性空间是否为有限维是有关的.     

不同钾肥与秀珍菇氨基酸数量性状的关联分析

试验比较了不同钾肥对秀珍菇[Pleurotus ostreatus(Fr.)Kummer]子实体中各种氨基酸和各类氨基酸数量性状的影响,利用灰色关联综合评判法分析了添加不同种类钾肥与秀珍菇各种氨基酸和各类氨基酸数量性状的关联度大小。结果表明,不同钾肥与秀珍菇中各种氨基酸数量性状的关联度顺序为硝酸钾硫酸钾氯化钾磷酸二氢钾,硝酸钾处理的关联度是0.660 9,磷酸二氢钾处理的关联度是0.408 6;不同钾肥与各类氨基酸数量性状的关联度顺序为硝酸钾硫酸钾氯化钾磷酸二氢钾,硝酸钾处理的关联度是0.699 8,磷酸二氢钾处理的关联度是0.450 2。关联度越大,对秀珍菇氨基酸的影响效果就越好。不同钾肥对秀珍菇子实体中氨基酸的数量性状与质量均有影响,在秀珍菇培养料中添加硝酸钾为最佳钾源。     

基于支持向量机的科技图书市场预测

对灰色、神经网络和支持向量机的三个预测模型进行研究，以某某类科技图书1993-2000年的年发行量为例，对科技图书市场进行预测，经过比较，支持向量机的预测方法精度较高。本方法可推广应用于其他类图书市场的预测。     

溶蚀作用下纳米SiO2混凝土的孔隙演变

为探究溶蚀条件下纳米SiO₂混凝土微观特性和宏观性能的规律,采用2M NH₄Cl溶液加速溶蚀试验,通过核磁共振技术、场发射扫描电镜和能谱分析研究孔隙特征、微观形貌及微结构的演变规律,同时采用灰熵法分析研究不同溶蚀龄期与不同NS掺量下混凝土的孔隙结构参数和孔隙半径分布对溶蚀损伤的影响规律,并在此基础上建立混凝土孔隙特征与抵抗溶蚀度的关系模型.在该试验中,水胶比为0.29,纳米SiO₂掺量分别为0,1%,3%和6%.结果表明:纳米SiO₂的掺入显著提高混凝土的抗压强度,在经过溶蚀循环后,<100 nm孔径占比对混凝土抗溶蚀度影响程度最大,灰熵关联度均大于0.999;相对于基准组,纳米SiO₂混凝土溶蚀后有向外辐射的纤维状C-S-H生成,填充因溶蚀作用产生的裂隙,使其抗溶蚀性提高,延缓混凝土的劣化损伤;建立了混凝土抗溶蚀度与孔径占比为<100 nm,100~1000 nm和孔隙度的灰色模型,4组混凝土GM(1,4)模型预测值与试验值的平均绝对误差分别为8.18%,7.03%,7.83%和7.90%.该研究可为纳米SiO₂混凝土在实际工程应用提供理论依据.     

两大部类持续扩大再生产的优化

通过对网络控制系统的结构分析，建立带有时滞和不确定性的网络控制系统的数学模型.在此模型的基础上，对时滞区间进行分段，通过构造李亚普诺夫泛函，给出矩阵不等式作为使得闭环系统渐进稳定的充分条件，并将此矩阵不等式线性化得到相应的反馈增益矩阵，最后通过数值仿真将时滞上界进行比较来证明此方法的有效性。     

基于GIS技术的青海省最低气温空间插值方法探讨

采用青海省50个气象站点30年气候整编资料,分别应用克里格(Kriging)插值法和统计分析软件建立最低气温与地形的多元线性回归模型、多维二次趋势面模型,对青海省无测站地区500 m×500 m栅格单元的1、4、7、10月最低气温值进行了推算,制作了青海省最低气温的栅格图,分析了不同插值方法对青海省最低气温的插值效果。结果表明:1、4、10月份,多元线性回归模型法和多维二次趋势面模型法要优于克里格插值法;而7月份应用克里格法插值效果较好。     

Determining optimal primary sawing and ripping machine settings in the wood manufacturing chain

for wood manufacturers around the world, the single biggest cost factor is known to be its raw material. Maximum volume recovery of this raw material is, therefore, of key importance for the industry. The wood products industry consists of several interrelated manufacturing steps for converting trees into logs and logs into finished lumber. Each operation usually optimises its functionality in isolation from the preceding and following operations. It is a well documented fact that the optimisation of decisions through the whole chain of operations is considerably more profitable than the optimisation of individual operations. The objective of this study was to determine the optimal machine settings for two interrelated operations, namely the sawing and ripping operations which have tradition? ally been optimised individually. A model, having two decision variables, was developed which aims to satisfy market demand at a minimal cost. The first decision was how to saw the log supply into different thicknesses by choosing specific sawing patterns. The second was to decide on a rip saw's priority value settings, which determines how the products from the primary sawing operation are ripped into products of a certain thickness and width. The techniques used to determine the machine settings included static simulation with the SIMSAW software to represent the sawing operation and mixed integer programming to model the ripping operation. A metaheuristic, namely the Population Based Incremental Learning algorithm, was used to link the simulation and mixed integer models and to determine the optimal settings for the combined process. The model's objective function was to minimise the cost of production. This cost included the raw material waste cost and the over or under production cost. The over production cost included the stock keeping costs and the under production cost was estimated as the buy?in cost of under supplied products from another wood supplier. The model performed well against current decision software available, namely the Sawmill Production Planning System package, which combines simulation and mixed integer programming techniques to maximise profit. The model added further value by modelling and determining the ripping priority settings in addition to the primary sawing patterns.