多元线性回归和神经网络在水库调度中的应用比较研究

采用多元线性回归和改进人工神经网络算法分别建立水库多目标调度函数，并进行实例计算验证。通过比较分析，表明人工神经网络的非线性映射能力能够更好地反映水库调度中多个自变量和因变量之间的复杂关系，具有较高的模拟精度和较好的可行性，且应用简便。     

北郎中村沼气工程运行浅析

北郎中村通过建立两期总容积为1021 m3的沼气工程,在缓解畜禽污染的同时,实现能源和肥料的综合利用。通过对UASB与USR反应器产气速率回归分析,拟合出回归方程,量化了温度、有机负荷和水力负荷对产气速率的影响。水质检测结果显示厌氧处理过程有利于实现养殖场粪污水的综合利用。     

农村拖拉机保有量预测

1．农村拖拉机保有量概况”农村经济体制改革为农业机械化的发展注入了新的活力，自80年代以来，我国农村拖拉机的保有量迅速增加，1980年达到261．4万台，1978～198O年间平均每年增加34．20万台。1985年农村拖拉机保有量46682万台，其中大中型拖拉机8526万台，占18．26％，小型拖拉机381．56万台，占81．74％，五年间平均每年增加41．08万台，1990年农村拖拉机保有量779．41万台，其中大中型拖拉机81．42万台，占1045％，小型拖拉机697．99万台，占89．55％，五年间每年增加62．52万台。1992年农村拖拉机保有量826．21万台，其中大中型拖…     

CO 2与土壤水分交互作用的番茄光合速率预测模型

为了实现不同土壤水分管理下的CO 2气肥精细控制,建立了番茄作物不同生长阶段的光合速率预测模型。实验设置了4个CO 2浓度与3个土壤水分条件的交互处理,利用无线传感器网络长期实时监测温室内环境信息,采用LI-6400XT型光合速率仪定时采集作物净光合速率信息;并用BP神经网络分别建立了番茄苗期、花期和果期的光合速率预测模型。预测模型的验证结果表明,对于苗期预测模型,预测值与实测值之间的决定系数 R 2为0.925;花期预测模型的决定系数 R 2为0.920,果期预测模型的决定系数 R 2为0.958;番茄各生长期的光合速率预测模型均具有较高的预测精度。在不同土壤水分条件下改变CO 2浓度,得到的CO 2浓度与光合速率预测曲线与实测值相近,可反映实际土壤水分管理下的CO 2浓度最优值,对指导不同土壤水分条件下CO 2气肥的精细调控具有重要意义。     

太湖平原水田区灌溉回归水分析

江苏太湖平原地区灌溉水源丰富,排水通畅,但由于年际水量分配不均,干旱仍时有发生。根据这一情况,对灌溉水的利用问题进行了研究。在大、小区水量平衡的基础上,提出了灌溉水的回归系数和回归水的重复利用系数,以及灌溉水的重复利用系数。为本区水利规划、用水管理和供水规划提供了可靠的依据。     

基于灰狼算法优化支持向量回归模型的木材染色配色算法研究

为提高木材染配色的精度和速度,本文对樟子松木材单板进行染色,提取染色单板的光谱反射率作为输入,以支持向量回归模型(SVR)为基础作为预测模型对染料配方进行预测,用灰狼算法对SVR参数进行寻优,并引入非线性收敛因子和新的位置更新策略改进灰狼算法容易陷入局部最优的缺点,以配方相对偏差作为评价指标,与固定参数的SVR模型及其他模型做对比,优化后的模型配方相对偏差为0.177,配色效果相较于固定参数SVR模型的相对偏差0.344、遗传算法优化的SVR模型的相对偏差0.287等具有明显优势,对提高人工速生材的利用具有重要意义。     

几种QSAR建模方法的研究进展与应用

定量构效关系（QSAR）对药物设计和新药研制、环境毒物的毒性评价与预测有着显著的作用，本文简单介绍了几种QSAR建模方法：多元线性回归（MLR）、主成分分析（PCA）、偏最小二乘法（PLS）、人工神经网络（ANN）和支持向量机（SVM），并对这几种不同的建模方法在实际中的应用进行举例。可以看出PLS和ANNS是优秀的建模方法，预测能力强， SVM通过结构风险最小化原则建模，有效将期望风险降至最低，模型预测力得到显著提高，在环境毒物评价中具有广阔的应用前景。     

冻结过程中土体导热系数预测模型

鉴于冻结条件下测量导热系数存在困难,为明确温度对导热系数的影响规律,提出了具有三参数（λ0,a和b）的双曲模型来描述土体导热系数与负温的关系。然后,采用实测导热系数和3种常用模型对新模型的性能进行了评价,并对模型参数进行了敏感性分析。结果表明,双曲线模型能较准确地预测冻结过程中土体导热系数变化规律。在4个模型中,新模型具有最小的均方根误差和相对误差。模型参数与细粒含量密切相关,且随初始体积含水率增大而减小。新模型能够准确描述负温下的土体导热系数变化规律,可为寒区传热传质耦合计算提供基础。     

基于UAV-LiDAR和误差变量回归的落叶松人工林单木参数估测

【目的】以人工落叶松为例,探索基于无人机激光雷达（Unmanned aerial vehicle LiDAR, UAVLiDAR）点云的单木探测提取树高的误差对胸径反演的影响并校准,实现单木参数（胸径、树高）的准确度量,为大尺度高效便捷估测单木参数提供新的思路。【方法】以东北林业大学帽儿山实验林场13块4个龄组（幼龄林、中龄林、近熟林和成熟林）的落叶松人工林样地UAV-LiDAR数据及野外调查数据为数据源,基于UAVLiDAR点云的单木探测提取的树高,分别以普通最小二乘法（Ordinary least squares, OLS）和3种误差变量回归（标准主轴（Standard major axis, SMA）、远程主轴（Ranged major axis, RMA）和极大似然估计（Maximum likelihood estimate, MLE））构建胸径-树高模型,研究探测误差对各龄组人工落叶松胸径反演的影响并校准。【结果】利用UAV-LiDAR点云的单木探测提取4个龄组树高的相对均方根误差（rRMSE）,误差范围为3.41%～5.14%;在胸径-树高模型预测方面,3种误差变量回归均优...