土壤渗吸特征值的近似估算法

根据畦灌实测水流推进与消退的部分资料，讨论了两种确定土壤渗吸特征值Z的思路和方法，并就2种方法的优缺点进行了初步论述；然后利用一组实测的畦田灌溉水流推进与消退资料，分别运用2种方法计算和讨论了各自的土壤渗吸特征值Z，并和双套环入渗仪测定的多组平均结果进行了比较。     

散乱点云数据K-邻域快速搜索算法的研究

K-近邻搜索是海量数据曲面重构中构建合理拓扑关系的关键步骤,其效率直接影响到曲面重构的效率.本文主要研究了一种面向逆向工程的k邻域的快速搜索算法,并通过Visual C 6.0编程实现,最后结合UG二次开发对车身数据点进行了检验.结果表明该算法稳定可靠,效率较高.     

凹形障碍全局路径规划的双蚁群完全交叉算法

为解决大量复杂凹形障碍环境中的路径规划问题.采用了计算机仿真技术,对双蚁群完全交叉算法进行了研究.通过对传统蚁群算法增加新型的距离改变启发因子,建立双蚁群完全交叉算法,并且融入最大最小蚁群算法思想,使蚁群算法应用在机器人路径规划领域,即使机器人环境中有大量复杂的凹形障碍,该算法仍能够规划出高质量的路径.仿真试验表明该算法得到最优路径率达到98%.     

农田信息采集单多跳共存LEACH算法

针对农田环境信息量丰富的特点,提出一种基于LEACH算法的改进型无线传感器网络路由算法--LEACH-SMC.在LEACH-SMC算法的稳态阶段,簇头节点到基站间通信采用临界距离来判断和选择多跳或单跳方式,在多跳方式中采用基于最小能量消耗的路由方式.应用Matlab对LEACH-SMC算法和LEACH算法进行仿真对比分析,结果表明, LEACH-SMC算法能提高网络有效覆盖面积并延长整个网络的寿命.     

决策树算法在农业气象灾害统计中的应用

分析了决策树分类算法中的ID3算法和C4.5算法,在论述分类挖掘的基础上分析了决策树分类挖掘系统的建立思想、步骤及算法,并把这两种算法应用到优化农业气象灾害统计的实验中,研究了决策树算法在气象灾害导致的直接经济损失评估中的应用,实验结果证明了该方法的可行性.     

农业电力巡检系统中路径分析的算法与实现

讨论农业电力巡检系统的路径分析算法,并在eSupermap环境下,利用eVC及eSupermap二次开发类库进行最短路径和最佳路径分析.结果表明:所采用的路径分析算法准确、可靠,eSuperMap类库方便、实用.用eVC对eSuperMap进行二次开发、实现其路径分析功能是切实可行的.     

改进的变尺度优化算法在节水灌溉制度优化设计中的应用

应用改进的变尺度混沌优化算法对水分生产函数模型进行求解,求解程序用Visual Basic编写.以河西武威绿洲春小麦数据为例,将混沌算法应用于小麦灌溉制度优化设计中,并与动态规划法进行对比,证明改进的混沌优化算法可以提高灌溉制度优化设计的精度与速度.     

波段比算法结合高光谱图像技术检测柑橘果锈

为克服柑橘表面不平整导致光线反射不均匀的影响,研究提出了波段比算法,使高光谱图像技术能够快速有效地检测柑橘果锈。首先根据Sheffield指数（SI）确定最佳波段（625 nm和717 nm）,经比值变换后得到第一幅比值图像;然后选取特征波长625 nm的邻近波段（621 nm）,与其比值变换后得到第二幅比值图像,提取轮廓,构建掩膜以消除第一幅比值图像的背景噪声,最后进行阈值分割和数字形态学运算,完成果锈区域的特征检测。试验结果表明,基于波段比算法的高光谱图像技术可有效检测柑橘果锈,检测率达到92%。研究表明波段比算法在高光谱图像技术快速无损地检测柑橘果锈中,能够有效地降低光照反射不均匀的影响,增强谱间差异,提高检测的精度。     

基于ANN的复垦土壤水分特征曲线的预测研究

为能较容易且更准确地获取复垦土壤水分特征曲线,将易测定的土壤特性如土壤质地、容重和饱和含水量作为输入变量,采用基于bagging算法的神经网络法建立了用于预测土壤水分特征曲线的土壤转换函数法(PTFs)模型,并对徐州矿区复垦土壤的水分特征曲线进行了预测,同时与普通BP算法预测精度进行了比较.研究结果表明所建立的PTFs参数模型具有较高的估计精度,bagging算法均方根预测误差比普通BP算法减少了7.5%～27.0%,说明该模型的建立与求解为复垦土壤水分特征曲线的预测研究提供了一条新途径.     

Gram-Schmidt算法与GRNN融合的加工番茄早疫病高光谱预测

加工番茄早疫病的准确预测,有助于及时采取防治措施,降低产量损失.测定加工番茄早疫病冠层光谱,对380～760 nm进行连续统去除变换,提取波段深度、波段位置、波段宽度、斜率、面积等特征参数,并对原始光谱提取红谷、绿峰、红边及相应波段位置等特征参数.利用Gram-Schmidt算法对特征参数进行成分提取,作为广义回归神经网络(GRNN)的输入变量,对加工番茄早疫病病情严重度进行预测.研究结果表明,与多元线性回归和偏最小二乘法预测模型比较,Gram-Schmidt算法与GRNN融合模型的预测精度相对较高,R2为0.843,RMSE为0.136,该方法能够对加工番茄早疫病病情严重度进行快速、准确的预测.