我国山苍子资源利用现状和产业化前景评述

综述了我国富产山苍子资源的利用现状和深度研究开发利用的价值及前景，同时介绍了目前这一领域半合成鸢尾酮系列香料的研究进展，探讨了综合利用山苍子油产业化的趋势和意义。     

湖南省西南部蝶类资源研究

用采集和饲养相结合的方法收集到湘西南蝴蝶标本293种和亚种，分属11科148属。首次发现湖南新记录143种。一批世界精品蝶，中国珍蝶和在湘西南有分布而全世界仅有1－5种的属。次次列出我省珍稀蝶39种。对湘西南蝶类分布区系及特点进行了详尽分析，同时提出了保护，利用蝶类资源的建议。     

基于时延神经网络的木材干燥模型辨识的研究

木材干燥是一个复杂、多变的过程，传统的系统辨识方法很难建立一个理想的木材干燥模型。利用时延神经网络的特点，本文提出了基于时延神经网络的木材干燥模型辨识方法，并给出了辨识网络和结构。对辨识得到模型的仿真结果表明，利用时延神经网络所建立的模型是可靠且有效的。     

Climatic oscillations and tuna catch rates in the Indian Ocean: a wavelet approach to time series analysis

We analysed the influence of climatic oscillations [based on the Indian Oscillation Index (IOI)] on monthly catch rates of two tropical tuna species in the equatorial Indian Ocean. We carried out wavelet analysis, an efficient method of time series analysis to study non‐stationary data. Catch per unit of effort (CPUE) of bigeye tuna was computed from Japanese longline statistics from 1955 to 2002 in the equatorial Indian Ocean and CPUE of yellowfin tuna was derived from industrial purse seine statistics from 1984 to 2003 in the Western Indian Ocean. Wavelet analyses allowed us to quantify both the pattern of variability in the time series and non‐stationary associations between tuna and climatic signals. Phase analyses were carried out to investigate dependency between the two signals. We reported strong associations between tuna and climate series for the 4‐ and 5‐yr periodic modes, i.e. the periodic band of the El Niño Southern Oscillation signal propagation in the Indian Ocean. These associations were non‐stationary, evidenced from 1970 to 1990 for bigeye, and from 1984 to 1991 and then from 1993 to 2001 for yellowfin. Warm episodes (low negative IOI values) matched increases of longline catch rates of bigeye during the 1970–1990 time frame, whereas the strong 1997–1998 warm event matched a decrease of purse seine catch rates of yellowfin. We discussed these results in terms of changes in catchability for purse seine and longline.     

基于支持向量回归与地统计学的农民收入预测

农民收入既受其自身动态时序特性的影响,又与国家政策、农产品产量、天气等多种人为因素和自然因素关系密切,是一种典型的多维时间序列数据.该研究以国民总收入、乡村人口等11个可能与农民收入相关的影响因子为自变量,农村居民家庭平均每人纯收入为因变量,基于1982～2011年我国相关统计数据,采用支持向量回归与地统计学非线性时间序列预测模型对农民收入进行分析.结果表明：非线性时间序列预测模型大幅度提高了农民收入预测精度;农民的主要收入来源已不是粮食生产,而是向其他农业生产、进城务工等方面转移.     

变桨距风力发电系统模糊控制

提出了一种基于灰色-ARIMA的金融时间序列智能混合预测模型。首先建立金融时间序列灰色预测模型,并采用PSO算法对灰色模型的三个参数进行优化;利用ARIMA算法对预测模型的残差进行分析,同时采用遗传算法对ARIMA的系数进行优化;最后用ARIMA的残差预测结果对灰色预测模型进行补偿。结果表明,以较好的精度拟合一段时期内MA＜107的时间序列,预测误差控制在5%以上,与单纯的灰色预测算法和神经网络算法相比,在平均绝对误差、均方根误差和趋势准确率三项评价指标上,具有明显优势。     

科技成果转化过程分析

选取2002~2013年我国石油进出口贸易量的数据进行建模分析。首先运用小波分析理论将贸易量数据进行分解,识别出数据的主要特征和细节特征,针对不同特征进行识别和平稳性检测和参数估计,建立相应的ARIMA模型,并进行预测加权合成。仿真结果表明,小波分析结合ARIMA组合模型的预测精度远远大于为改进的ARIMA预测模型,从而为科学合理的决策提供更为精确的预测模型。     

基于云平台和BFAST算法的地表变化检测方法

准确识别地表变化的时空信息,有助于探究地表自然环境和生态系统发展演变的规律,支撑相关的科研与行政管理工作。本文以河南某生态保护修复工程部分实施范围为研究区域,基于Google Earth Engine(GEE)云平台,以2013—2020年的98景Landsat8/OLI遥感影像作为数据源,应用Breaks for additive season and trend(BFAST)算法对地表变化进行了信息提取和制图。首先基于GEE云平台对Landsat8/OLI地表反射率数据集进行调用和预处理,基于CFMask算法对遥感数据集进行云影掩膜,开展光谱指数(植被指数NDVI)的计算以及时间序列数据集的构建。其次基于时序数据集与BFAST算法构建由趋势项、季节项和残差项组成的广义线性回归模型,通过最小二乘法求解模型中的未知参数集,以此进一步构建时序拟合模型,而后基于残差的Moving sums(MOSUM)方法对时序结构变化进行检测。最后从检测结果中抽取像元样点,通过与Google Earth高分辨率影像数据叠置和目视解译,开展结果验证和精度评价。结果表明,本文提出的方法在研究区的时序地表变化...     

平灾结合 造福百姓——以上海大连路国歌广场应急避险绿地为例

随着环境的不断恶化,大规模灾害的频繁发生,如何防灾、减灾已经成为城市建设中一项不容忽视的艰巨任务。在城市的各类防灾系统中,绿地防灾是一种既能为城市提供自然空间又有助于防灾救援的有效手段。具有防灾与减灾功能的城市绿地在整个城市的防灾与减灾中起着重要的作用,本文以上海大连路公共绿地(应急避难示范园)的建设为例阐诉了绿地防灾与减灾功能的具体应用。     

指数平滑法在公路软土地基沉降预测中的应用

运用指数平滑法分析计算公路软土地基沉降量,并对下一时间段的沉降量进行预测.结合哈尔滨绕城高速公路西段软基沉降观测数据,证明了指数平滑法预测软基沉降量的实用性.