马尾松林分直径结构规律的研究

以马尾松同龄林为对象,在具体林分条件下,用林分部体回归方程预估所需的林分平均因子,并以林分平均因子估计值为基础,选用三参数Ｗｅｉｂｕｌｌ分布函数、采用查Ｗｅｉｂｕｌｌ分布参数表法,估计分布函数的参数值。在此基础上得到马尾松同龄林林分直径结构表。     

基于准静态压缩方法的玉米粒破碎试验

为减少粮食因破碎而导致的损耗浪费,探索玉米颗粒的抗破碎能力,该研究利用准静态压缩试验共获得了920组玉米粒的力学数据,并通过韦伯分布拟合对玉米粒破碎力进行了分析。试验对比压缩方位及压缩速率对玉米粒破碎力的影响,确定准静态压缩的试验条件,在此基础上探索玉米含水率、粒径、轴比对玉米粒破碎性质的影响。结果表明：沿玉米厚度方向压缩可获得玉米粒的最大破碎力;压缩速率小于0.10 s^-1时,压缩速率对玉米粒破碎力分布无影响。另外,玉米粒的含水率、粒径、轴比均影响其破碎力分布。含水率14.72%的玉米粒破碎力分布更为集中;小粒径玉米粒更容易破碎,粒径小于7 mm时玉米粒破碎率达100%;玉米粒破碎率和破碎力均与轴比呈反比,表明饱满圆润的玉米颗粒更容易发生破碎。该试验为玉米在储运、加工过程中的降碎降损提供了可靠的数据支撑。     

农业机械定周期维修的可靠性边界条件

应用可靠性理论对农业机械定周期维修的适用性进行综合分析．讨论了维修周期的确定方法和定周期维修的适应性．提出了农业机械定周期维修的可靠性边界条件及计算方法．并以河南省部分地区某小型拖拉机维修数据资料为例进行了计算分析和评价.     

不同小麦品种钾吸收,分配特性及其钾营养效率的差异

盆栽试验结果表明,钾效率系数（ＥＩ）和施外效率（ＫＥ）能很好评价小麦品种在钾缺乏条件下的钾营养效率,钾高效品种能在缺钾条件下区得较高产量;钾低效品种ＥＩ值小,但ＫＥ值大,施钾能获主产;押高效品种在钾缺乏或充足条件下均能维持功能叶（３～４叶）中较主的钾含量,功能叶中（第３～４叶）钾钾高效品种籽粒中甸积累量及其占总量的自分数较高,钾你效品种植物功能叶中的钾含量低效,茎、叶、叶间钾钾高效品种籽粒中钾积累     

广东省针阔混交林直径分布规律研究

基于2012年广东省森林资源连续清查样地和样木调查数据,分析广东省针阔混交林直径分布特征,应用Weibull分布函数分别按全林分、不同起源、不同龄组和不同林分密度对省域尺度的针阔混交林林木直径分布进行了拟合和卡方检验。结果表明,在SPSS和Matlab软件中拟合出的15个模型中有10个能够较好地由Weibull分布函数模拟,多模型较好地表达了起源、龄组、林分密度等主要林分因子的针阔混交林林木直径分布。但纯天然起源、人工植苗、幼龄林、中龄林、林分密度为1 000~1 500株/hm2和2 000~3 000株/hm2的针阔混交林林木直径分布模型因受人为干扰,Weibull拟合效果不理想,需进一步尝试其它抗干扰模型。     

乳源木莲天然林群落生物多样性研究

从生物多样性保护的原则出发 ,对乳源木莲天然林群落生物多样性进行测定 ,结果表明 :群落的物种比较丰富 ,乔木层、灌木层和乔木层 +灌木层的物种——多度符合 Weibull分布 ;相对于其它各层 ,乔木层的多样性指数、丰富度和优势度指数均较大 ,均匀度较小 ;在考虑样地面积对多样性指数影响和精确反映群落物种的多样性方面 ,Shannon- wiener指数要优于Mclntoch指数     

求韦泊分布三参数的一种方法

本文介绍了求韦泊分布三参数ａ，ｂ和ｃ的最小二乘估计的一种迭代搜索方法。先证明了误差平方和Ｑ（ａ，ｂ，ｃ）是ａ，ｂ和ｃ的连续函数，并具有连续一阶偏导数，和．然后在此基础上引进求ｍｉｎＱ（ａ，ｂ，ｃ）的梯度抛物线顶点搜索法，并与传统的回归方法进行比较。用不同林龄的２１个同龄林胸径总体验算表明，此法可获得精度较高的三参数估计值，而传统的回归方法误差较大，不可取。     

Weibull模型在花生锈病流行预测中的应用

利用花生锈病多年的病害系统调查数据,拟合Weibull方程,计算参数a、b、c。多元回归分析表明,花生锈病流行曲线的Weibull方程的位置参数a和标度参数b可以通过在病害流行初期病情达0.5,1,5,10％的时间或其两点间的时间间距求得,而形状参数c也可以通过上述四点和所求得的a,b参数联合求得。 利用所得的a、b、c参数可按Weibull方程对病害流行全过程预测,若在流行期间持续调查病情,重新估计c值,可提高预测准确度。利用1983年春花生两套数据对本法进行检验。在各210次检验中,平均准确度为89和84％。     

长白落叶松直径分布收获模型的研究

该文将长白落叶松林地按地位指数划分为3个地位等级,分别地位等级建立了以三参数Weibull分布为基础的直径分布收获模型。该模型系统包括两大部分。第1部分建立了林分回归模型,其中主要包括林分因子预测模型,株数预测和断面积生长模型等;第2部分建立了参数回收模型,即采用林分因子的预估值来回收Weibull分布的参数,保证了收获模型与林分回归模型的一致性。该模型不仅能输出林分的总体收获量(蓄积量,出材量),而且能输出各径阶的收获量。误差检验结果表明该模型精度较高。     

Beyond ‘lognormal versus gamma’: discrimination among error distributions for generalized linear models

The process of model selection includes making an assumption about the distribution of ‘errors’ about the mean response. Generalized linear models (GLMs) offer considerable flexibility in this regard. However, graphical methods for identifying potential error distributions can fail to discriminate among sets of candidate error distributions. I examine an information-theoretic approach to this issue, which ranks candidate models (error distributions) using Akaike's information criterion (AIC). I evaluate the effectiveness of this technique using Monte Carlo simulation by generating pseudorandom data from five skewed distributions: lognormal, gamma, Weibull, log-logistic, and inverse Gaussian. I then fit each data set under all five distributional assumptions, and examine how well AIC identifies the distribution that generated the data. On the basis of the simulations, I suggest that AIC is effective at identifying the data-generating distribution, given moderate to large sample sizes. I then fit four candidate models to data drawn from a mixture of four distributions with common expectations and coefficients of variation (CVs). AIC did not show strong support for a particular candidate model given small samples of ‘mixed’ data, although larger samples selected the gamma distribution for CVs of 0.5 and 1.0, and the Weibull distribution for CVs of 1.5 and 2.0. Finally, I apply this technique in a GLM setting to several fisheries-independent and -dependent data sets to select the error distribution that is best supported by the data. Twenty-one out of 24 fisheries data sets examined showed strong support for one of the five candidate error distributions and the remaining moderate support for two.