基于DEM的水文模型在沮河流域的应用

基于DEM的流域水文模型是近年来水文模型的热点,而干旱半干旱地区的水文模型一直是水文研究的一个难题。分析了干旱地区的降雨产流特性,建立了符合该产流特性的数字高程模型和陕北模型相结合的水文模型,并将其应用到沮河流域桃曲坡水库的洪水预报中,计算结果证明该水文模型在干旱地区是切实可行的。     

变步长的最小二乘递推算法

针对固定步长的最小二乘递推算法在信号辨识中采集数据量大、辨识速度较慢的缺点,提出了变步长的最小二乘递推算法,在保证同等辨识精度的条件下, 采集的数据明显减少,大大提高了辨识速度。     

停泵水锤的简易算法

针对目前国内外使用广泛的各种水锤简易算法，进行归纳比较和对照，并结合工程实例，采用多种算法分析；最后对各种算法的优缺点和适用条件进行了比较，以便得出有效的计算方案。     

基于PCA-GA-SVM的甘蔗收获机运行状态识别

由于甘蔗收获机在收获过程中智能化水平较低,依靠人工操作很容易对甘蔗收获机的运行状态产生误判,从而造成物流通道堵塞、能源浪费、收割效率低。针对这些问题,提出一种基于主成分分析(PCA)、遗传算法(GA)和支持向量机(SVM)状态识别模型。首先,通过实地采集甘蔗收获机刀盘轴、行走轴、切段轴和风机轴扭矩和行驶速度特征信息,然后通过PCA进行数据降维,最后利用GA优化参数C、γ,使用每个特性信息来训练SVM,对甘蔗收获机运行状态进行分类。结果表明:PCA-GA-SVM状态识别模型对甘蔗收获机运行状态的识别准确率为93.75%,建模时间为3.688 s,与SVM(81.25%,9.487 s)、PCA-SVM(87.5%,5.817 s)和GA-SVM(90%,8.969 s)进行对比,该模型具有最高准确识别率和最快建模速度,具有较大的应用价值。     

改进粒子群优化（MPSO）算法在动

基于在水资源不充足的情况下，对都江堰灌区六大渠干水资源的合理分配，使农业效益达到最大。首先建立灌区优化配水模型，并将粒子群优化算法（PSO）及其改进的算法应用于该模型。分别对标准PSO、两种改进PSO（MPSO）算法与遗传算法进行仿真对比，结果显示采用PSO算法及其MPSO在农业经济效益上可获得更好的寻优效果，提高了水资源的利用率。     

遗传神经网络在温室黄瓜霜霉病预测中的应用

在神经网络结构的优化、连续权重的训练中采用遗传算法的方法对日光温室黄瓜霜霉病进行预测，并对其发生程度进行了拟合，计算值与实际值接近，表明该模型具有良好的预测效果。     

温室环境控制方法研究现状分析与展望

环境控制方法是实现温室蔬菜高效生产的关键。随着现代控制技术的快速发展,温室环境控制方法逐步从手动、定时控制方法,转变为设定值控制和智能控制等方式。该文概述了以设定值为目标实现环境控制的方法,归纳了模糊控制、解耦控制、人工智能控制和表型控制等智能控制方法的特点,总结了现有温室环境调控领域控光、控温、控气、通风、灌溉和“云-边-端”协同控制系统的优劣。针对现存问题,指出该领域的发展趋势为构建考虑扰动因素影响的温室环境控制方法,研制基于作物生长和表型评价体系的环境调控模型,以及建立多模型融合的“云-边-端”协同温室环境调控系统。相关技术的发展将为温室的智能化与信息化发展提供重要的决策依据和借鉴意义。     

履带车辆自适应预瞄跟踪模糊控制算法

针对现有单边制动履带车辆跟踪控制算法同周期内并行控制难、跟踪精度低、转向控制次数较多等问题,该研究以电控化改装后江苏筑水农机 3B55 型履带运输车为试验平台,开展单边制动履带车辆路径跟踪控制算法研究。通过单边制动履带车辆运动学分析,构建车辆预瞄跟踪模型,提出一种预瞄跟踪模糊控制算法,将横向偏差与航向偏差作为多输入输出模糊控制器输入参数,实现车辆同一控制周期内转向与直线行驶的并行控制。为了优化车辆路径跟踪精度与转向控制次数,提出改进麻雀搜索算法(sparrow search algorithm, SSA)的自适应前视距求解算法,考虑车辆的横向偏差和转向路径角度约束,解析较优前视距离,通过仿真和田间试验对算法进行跟踪精度与转向控制次数综合评价。仿真结果表明：基于自适应预瞄跟踪模糊控制算法跟踪多角度规划路径时,车辆转向控制次数为89次,误差面积为1.74 m²。田间作业路况下,由于试验路面起伏不平,并且随速度增加车辆跟踪精度下降,但跟踪精度及转向控制次数随前视距离的变化规律与仿真结果一致,当车辆分别以0.14、0.47和0.83 m/s跟踪路径时,自适应预瞄跟踪模糊控制算法相对于固定前视距离预瞄跟踪模糊控制算法车辆转向控制次数分别减少13.59%、9.87%和11.25%,误差面积分别减少19.93%、48.48%和54.59%,验证了算法的有效性。研究结果可为单边制动履带车辆的农机自动导航技术提供创新思路与技术支撑。     

多尺度行政区平衡视角下耕地空间布局优化

优化耕地空间布局对提升耕地生产能力、促进农业可持续发展具有重要意义。该研究以广东封开县为例,基于“现状耕地调出-可恢复地类调入”的微观调整逻辑,综合运用空间叠加、综合评价及蚁群优化算法,构建了耕地空间布局调整模型,以调入调出数量平衡为约束条件实现了不同行政区尺度下的耕地布局优化。结果表明：1）研究区共调出耕地1 689.89 hm²,占耕地总面积的7.62%,整体上呈现出“全局零散、局部聚集”的分布特征。2）研究区可恢复地类农业生产适宜性均值为67.04,具有开展作物种植的良好禀赋条件。3）不同行政区尺度平衡情景下,调入结果在研究区北部空间差异显著,与镇内平衡情景相比,县内平衡情景下,调入耕地的农业生产适宜性均值提高了2.08,综合生态系统服务均值下降了0.67。4）两种情景下,耕地的连片性、质量及稳定性均得到提升,因不受调入规模和行政单元空间范围限制,县内平衡情景下的提升效果更加明显,适当扩大可恢复地类筛选范围有利于提升整体耕地质量并降低重要生态用地筛选概率。该研究构建的耕地空间布局调整模型具有良好的适用性,可为制定农用地布局优化与整治提升方案提供参考依据。     

基于人工神经网络的PV/T热电联供系统性能预测

为研究太阳能PV/T热电联供系统的性能和针对太阳能PV/T系统复杂的能量平衡方程,搭建了太阳能PV/T系统试验台,同时建立了基于改进灰狼优化的BP神经网络(back propagation neural network model based on improved grey wolf algorithm, IGWO-BP)预测模型,在晴朗天气下进行试验,并采用该模型对系统电功率以及蓄热水箱内水温进行预测。结果显示,晴朗日系统的电效率8.7%～12.2%、热效率51.7%;预测结果与BP神经网络预测模型、基于粒子群优化的BP神经网络(back propagation neural network based on particle swarm optimization, PSO-BP)预测模型和卷积神经网络（convolutional neural network, CNN）预测模型预测结果进行比较,结果显示IGWO-BP预测模型电效率预测模型的绝对百分比误差(mean absolute percentage error, MAPE)、决定系数(determination coefficient, R ² )、均方根误差(root mean square error, RMSE)、效率因子(efficient factor, EF)和Pearson相关系数(pearson related coefficient, r )分别为4.5E-05、0.99、0.24、0.99和1.00,在储热罐温度预测中,上述指标分别为8.90E-04、0.98、0.07、0.98、0.99,均优于其他预测模型,IGWO-BP神经网络预测模型具有更好的预测性能。研究结果可为太阳能PV/T热电联供系统性能预测与优化控制提供参考。