红小豆产量与农艺性状的灰关联熵分析

运用灰关联熵分析方法,对9个红小豆品种的农艺性状与单株产量的灰关联熵进行了分析.结果表明,红小豆产量与农艺性状的熵关联度为生育期0.995 6,株高0.987 2,分枝数0.9908,单株荚数0.9924,单荚粒数0.9784,单株粒数0.9925,百粒重0.9929;熵关联顺序为生育期＞百粒重＞单株粒数＞单株荚数＞分枝数＞株高＞单荚粒数.     

基于熵产的旋流泵流动损失特性分析

为揭示旋流泵运行过程中的能量损失特性,通过数值模拟的方法分别对60%,100%和120%设计流量工况下旋流泵的内部流场进行分析和研究,同时基于熵产理论对旋流泵各个过流部件的流动损失进行定量分析.结果表明:旋流泵在运行过程中总熵产先减小后增大,其中能量损失最大的区域是无叶腔和后腔部分,约占总熵产的70%以上.叶轮区域的熵产随着流量增加逐渐增大,设计流量、大流量工况下叶轮区域的熵产占总熵产的比例超过20%.进口延长段区域的熵产随流量增加逐渐减小,设计流量、大流量工况下熵产占比低于1%.流场分析显示,在小流量工况下,蜗壳隔舌前端和进口流道有明显的大尺度涡团和回流.设计流量、大流量工况下流动不稳定区域主要集中在叶轮区域,该区域涡核几乎充满所有流道,且有大量旋涡产生造成流道阻塞和回流.研究结果能够为旋流泵的优化设计提供一定的参考.     

西南紫色土水蚀区坡谱信息熵与地形因子关系分析

坡谱信息熵可综合反映地形起伏特征,计算便捷,为探索其能否替代计算繁杂的地形因子应用在土壤侵蚀评价中,该研究以西南紫色土水蚀区为研究对象,基于ASTER GDEM(30 m分辨率),计算坡谱信息熵、坡度坡长因子及沟壑密度等地形因子,分析坡谱信息熵与地形因子量化关系。结果表明:全区坡谱曲线形态有"S"、"L"及近似钟型,峰值集中分布在0°～3°、15°～18°、24°～27°;全区坡度坡长因子均值为11.03,空间北大南小的分布差异明显。区域尺度的沟壑密度为0.66km/km~2,流域尺度沟壑密度为0.33～0.88km/km~2;坡谱信息熵与坡度坡长因子在一级区(R~2=0.949 4,P0.01)、二级区(R~2=0.960 3,P0.01)均具有显著的对数或幂函数关系。与沟壑密度在川渝山地丘陵区呈显著的指数关系(R~2=0.747 5,P0.05),在其他区域尺度虽存在显著的多项式函数关系,但相关度较低。研究结果可为紫色土区水土流失评价、土壤侵蚀预报提供科学依据。     

基于层次多尺度散布熵的滚动轴承智能故障诊断

针对全寿命周期内滚动轴承振动信号的特征提取与智能诊断问题,该研究提出一种基于层次多尺度散布熵的滚动轴承智能故障诊断方法。首先,在散布熵的基础上,结合层次分解和多尺度分析的理论思想,提出一种信号复杂性度量方法——层次多尺度散布熵(Hierarchical Multiscale Dispersion Entropy, HMDE);其次,为了避免HMDE按经验性选取参数的缺陷,借助鸟群优化算法(Bird Swarm Algorithm, BSA)自适应地确定其重要参数,并采用参数优化的HMDE提取原轴承振动信号中的多层次、多尺度故障特征;最后,将构建的多维度故障特征矩阵输入到支持矩阵机(Support Matrix Machine,SMM)中进行模型训练并完成轴承故障模式及程度的自动判别。通过2组轴承加速寿命试验对所提方法进行了有效性验证。通过与精细复合多尺度散布熵(RefinedCompositeMultiscaleDispersionEntropy,RCMDE)、广义复合多尺度排列熵(GeneralizedCompositeMultiscalePermutationEntropy,GCMPE)、广义精细复合多尺度样本熵(GeneralizedRefined Composite Multiscale Sample Entropy, GRCMSE)、层次模糊熵(Hierarchical Fuzzy Entropy, HFE)、层次样本熵(Hierarchical Sample Entropy, HSE)、修改的层次多尺度散布熵(Modified Hierarchical Multiscale Dispersion Entropy, MHMDE)和层次多尺度排列熵(Hierarchical Multiscale Permutation Entropy, HMPE)方法的识别精度对比,对于XJTU-SY轴承加速寿命试验,本文方法的平均识别精度分别提高了3.89、12.34、6.63、9.15、7.09、0.81和2.63个百分点。对于ABLT-1A轴承加速寿命试验,本文方法的平均识别精度分别提高了2.17、3.51、6.17、9.51、11.51、1.17和3.01个百分点。本文方法实现了全寿命周期内滚动轴承不同故障模式及程度的识别,与传统的基于多尺度熵或层次熵的故障诊断方法相比,能够获取更全面、更丰富的轴承故障特征信息,识别精度得到了较大的提升。本文研究可为全寿命周期内滚动轴承故障诊断提供参考。     

贵阳市1998-2018年土地资源承载力分析与预测

为揭示和预测快速城市化与生态建设双重背景下喀斯特山地城市贵阳市土地资源承载力的时间动态,从耕地承载力、生态承载力和社会经济承载力出发,运用熵权法对贵阳市1998-2018年土地资源承载力进行评价,引入障碍度模型得出贵阳市土地资源承载力的障碍因素,并预测研究区未来10年土地资源承载力的发展趋势.结果表明:1998-201...     

豫南丘陵山区农村居民点用地分布影响因素及时空异质性分析

为探究城镇化进程中农村居民点格局演变特征及其影响因素,以豫南丘陵山区光山县为例,采用空间自相关分析和局部线性地理加权回归模型(LLGWR)分析了农村居民点用地分布的集聚特征及其影响因素的时空异质性。结果显示：光山县农村居民点主要集聚于县域的中北部,其影响因素存在着显著的时间和空间非平稳性,在不同区位对农村居民点分布的作用强度不同。1985年农村居民点分布的影响因素包括地理地貌因素和距离交通条件,分别为海拔高度、距最近国道、省道、水系距离和距最近县城距离。到了2015年,地理地貌因素的影响作用有所减弱,除海拔高度、距最近国道、省道距离外,农村居民点分布影响因素还包括城镇化率和农户密度。总体而言,适宜的海拔高度、通达的道路交通、较高的城镇化率和人口密度对农村居民点分布具有促进作用。     

基于地理探测器和GIS的压砂地砾石空间异质性及其影响因素分析

为探究压砂地不同粒径砾石空间异质性及其影响因素,基于压砂地102个采样点,对不同粒径砾石配比进行了描述性统计,通过半方差函数和全局空间自相关分析等地统计方法分析了压砂地不同粒径砾石的空间变异特征和聚集模式,并进一步利用地理探测器模型识别影响不同粒径砾石占比空间分异的主要影响因子,在此基础之上,选取主要影响因子协同地理加权回归克里格法对不同粒径砾石占比进行可视化,获取其分布特征。结果表明,不同粒径砾石的空间变异系数均大于10%,属中等变异。不同粒径砾石的空间异质比变化范围较大（0.26%~83.48%）,其空间异质性受随机性因素和结构性因素共同影响。空间自相关分析显示各粒径砾石的全局Moran''s I均高于0.674,且Z值均大于1.96,表明不同粒径砾石具有极显著的空间依赖特征,呈聚集性分布。地理探测器模型识别表明压砂地不同粒径砾石的空间分异的解释力由大到小依次为种植年限>坡向>地表粗糙度>坡度>剖面曲率>平面曲率>地表起伏度,种植年限的单因子解释力明显高于其他因子。不同环境条件下压砂地土体中不同粒径砾石空间分布差异明显且呈聚集性分布特征。种植年限、坡向和地表粗糙度是压砂地不同粒径砾石空间分布状况的主要影响因子。     

基于差分进化鲸鱼优化算法的森林冠层图像分割

针对森林冠层图像结构复杂,受光照不均匀,导致分割精度较差等问题,提出一种基于差分进化鲸鱼优化算法的冠层图像分割方法。首先选取多阈值Kapur熵作为适应度函数,应用鲸鱼优化算法（whale optimization algorithm,WOA）对阈值的搜索过程进行优化,代替传统遍历搜索机制,加强阈值搜索能力与效率。其次引入差分进化算法（differential evolution algorithm,DEA）进行混合,采用以种群平均适应度为评价指标的混合策略平衡2种算法,增强算法的局部搜索能力,实现更好地平衡探索与开发。最后通过对森林冠层图像进行阈值分割研究,在适应度值、PSNR、SSIM与计算时间上进行对比分析。结果表明,本算法可以获得更精确的分割阈值和更高的分割精度。     

城市森林生态景观建设优良树种评价模型构建方法初探

通过专家咨询法,从生态适应性、观赏价值、抗逆性以及生态效益等方面确定了城市森林生态景观建设优良树种选择评价的3级指标;运用层次分析法,考虑不同专家评价水平,结合熵技术修正进行指标权重评价方法的研究,初步探索城市森林生态景观建设优良树种选择综合评价模型的构建方法。利用该评价模型,在广东省珠海市筛选出20种值得推广使用的优良乔木树种。     

典型岩溶湿地流域生态脆弱性演变及突变特征

以典型发育的岩溶地貌—普者黑流域为研究区,利用遥感和地理信息技术,基于层次分析法和生态脆弱性综合评价方法,对2006—2015年普者黑岩溶湿地流域生态脆弱性进行分析,在此基础上对10年间的生态脆弱性时空演变过程及突变特征进行评价。结果表明:2006—2015年普者黑岩溶湿地流域生态脆弱性综合指数逐渐减小,生态脆弱性等级综合表现为中度脆弱;流域生态脆弱性时空分布格局较为散乱,极度脆弱区由普者黑流域下游向上游转移。2006—2015年普者黑流域生态环境熵值发生了多次突变,第2阶段(2009—2012年)的突变特征值>第1阶段(2006—2008年)突变特征值>第3阶段(2013—2015年)突变特征值。自然因素和社会经济因素的叠加作用是研究区生态脆弱性变化的原因,而土地利用类型、景观格局、污染净化和经济发展等为主要驱动因素。