基于贝叶斯概率的印度洋大眼金枪鱼渔场预报

本文采用贝叶斯概率为模型基础框架,利用来自印度洋金枪鱼管理委员会(IOTC)的大眼金枪鱼延绳钓历史渔获统计数据和美国国家海洋大气管理局(NOAA)的海温最优插值再分析数据,进行适用于印度洋金枪鱼延绳钓渔场的模型参数估算与预报模型构建。模型回报精度验证结果表明,印度洋大眼金枪鱼延绳钓渔场综合预报的准确率达到了65.96%。模型预报结果用概率百分比来表示,符合渔业资源分布的客观特点。利用中分辨率成像光谱仪MODIS提供的SST产品进行业务化运行的渔场预报,利用模型结果每周生成印度洋大眼金枪鱼延绳钓渔场概率预报图,用不同大小的圆形来表示渔场概率的高低,可以为印度洋区域的远洋渔业生产提供信息支持。     

渔业数据失真对两种非平衡剩余产量模型评估结果的影响比较

为了研究渔业数据失真对两种非平衡剩余产量模型评估结果的影响,以南大西洋长鳍金枪鱼渔业产量和单位捕捞努力量渔获量(CPUE)数据作为基础数据,加入5种不同程度[变异系数(CV)=1%、5%、10%、20%和30%]的随机误差,模拟了(1)无数据失真,(2)仅产量数据失真,(3)仅CPUE数据失真,(4)产量和CPUE数据均失真等4种情况。利用基于ASPIC的非平衡剩余产量模型(ASM)和基于贝叶斯状态空间建模方法的非平衡剩余产量模型(BSM)分别评估了最大可持续产量(MSY)、B_(MSY)、F_(MSY)、B_(2011)/B_(MSY)、F2011/F_(MSY)等5种生物学参考点和管理指标。结果显示,在无数据失真情况下,ASM和BSM评估的MSY分别为2.866×10~4 t和2.836×10~4 t,B_(2011)/B_(MSY)分别为1.366和1.324,F2011/F_(MSY)分别为0.627和0.667,均相差不大,表明该渔业目前状态良好,ASM得到了较大的B_(MSY)(31.48×10~4 t)和较小的F_(MSY)(0.091);数据失真对ASM评估的B_(MSY)和F_(MSY)分别产生了严重的过低估计和过高估计,且CPUE数据失真产生的影响要比产量数据失真大;随着随机误差的增大,BSM评估的生物学参考点和管理指标的绝对百分比偏差有增大趋势;与ASM相比,BSM能够更好地处理渔业数据中存在的随机误差,除了MSY以外,BSM评估的生物学参考点和管理指标绝对百分比偏差均要比ASM的评估结果低,尤其是B_(MSY)和F_(MSY)。因此,在使用存在较大随机误差的渔业数据进行资源评估时,BSM具有一定的优势。     

基于改进残差网络的园林害虫图像识别

针对北方园林害虫识别问题,提出了一种基于改进残差网络的害虫图像识别方法。首先,采用富边缘检测算法,将中值滤波、Sobel算子和Canny算子相结合,对害虫图像进行边缘检测;然后,改进残差网络中的残差块,通过添加卷积层和增加通道数提取更多的害虫图像特征,并将贝叶斯方法运用于改进后的网络中,优化超参数;最后,将预处理的害虫图像输入神经网络中,利用分块共轭算法优化网络权重。对38种北方园林害虫进行了识别,试验结果表明,在相同数据集下,与3种传统害虫识别方法相比,本文方法的平均识别准确率平均提高9. 6个百分点,加权平均分数分别提高16. 3、10. 8、4. 5个百分点。     

基于产品族的核心模块演进分析与评价方法

针对产品族设计中核心模块演进问题,研究了产品族核心模块演进规律与演进过程评价,提出了一种模块演进规律分析与评价方法。该方法研究了客户需求与产品核心模块设计之间的关系,并在现有产品核心模块基础上,进一步对模块部件的标准化、继承性等指标进行了分析;在需求分析过程中,建立了一种基于贝叶斯网络的核心模块演进分析模型,利用历史数据对该模型进行了训练,将客户需求作为证据对该模型进行推理,进而得出核心模块在设计与工艺方面的改变规律;在演进规律分析基础上,对现有核心模块部件设计参数、标准部件重用度进行了分析,获得了核心模块演进过程综合评价值。最后,用小型轮式装载机后车架模块的演进过程验证了该方法的可行性和正确性。     

基于Bayesian网的蔬菜质量安全追溯模型构建

蔬菜产品的质量安全是当前亟待解决的问题,只有从蔬菜的种植源头抓起,找出蔬菜生产过程中影响蔬菜质量安全的关键因素,结合蔬菜生产流程,建立完善的可追溯模型,才能真正实现蔬菜生产的质量安全监控.为此,建立了基于Bayesian网的蔬菜质量安全追溯初始模型,通过该模型可兼顾"事先"预防和"事后"追踪,从而保障蔬菜的质量安全.     

杉木人工林林分断面积生长模型的贝叶斯法估计

以江西杉木人工林为例,以Korf型、Richards型和Hossfeld型3种模型为基础,通过广义代数差分法(GADA)分别建立杉木林分断面积生长模型。结果表明:以Richards型为基础的杉木林分断面积预测精度最高,以Richards型模型为最优模型,分别基于贝叶斯法和传统法(非线性最小二乘法)估计杉木林分断面积生长模型。研究发现,利用贝叶斯法估计杉木林分断面积生长模型,预测精度相当且预测值的可靠性比传统法好。     

贝叶斯网络的参数学习研究

贝叶斯网络是数据采掘的一个非常有效的工具,它能够定性和定量地分析属性之间的依赖关系,进行概率推理。在给出贝叶斯网络相关概念后,讨论了贝叶斯网络在离散型、连续型和混合型3种情况下的参数学习计算公式;利用给定样本数据,对具有完整数据和不具有完整数据的贝叶斯网络,学习网络参数,更新网络变量原有的先验分布;从理论上给出两种不同类型下的参数学习公式。     

多种分类器在农用地分等中的应用及其用法改良

以广东省第二次土壤普查成果资料为主要数据源,选取贝叶斯决策、BP神经网络、概率神经网络、聚类等分类方法分别对数据源进行分类;并且,笔者为了充分利用有监督学习分类准确率高和无监督学习无需标定的学习样本的优点,提出了基于监督--非监督的聚类算法,然后对上述五种方法的评价结果作了比较分析;实验表明文章提出的基于监督--非监督聚类方法只利用少量的有标定学习样本,即可得到较高的分类准确率,特别在少量样本时,该方法能得到比贝叶斯决策方法、BP神经网络和概率神经网络等监督学习方法更好的土地评价结果;在实际应用中,可以尝试结合监督和非监督学习的方法,实现分类正确率和获取大量有类标签的样本之间的折中。     

基于ARIMA模型的湘江流域DO和NH4+–N含量贝叶斯预测

为实时把控湘江流域水质的变化趋势,采用污染比较严重的湘江流域长沙段和益阳段水质指标溶解氧(DO)和氨氮(NH_4~+-N)含量的监测数据,用贝叶斯方法推断经典的ARIMA时间序列模型,并用马尔可夫链蒙特卡罗(MCMC)模拟方法对DO和NH_4~+-N含量进行贝叶斯预测。结果表明,该模型的贝叶斯预测能实现对湘江流域长沙段和益阳段水质指标DO和NH_4~+-N含量的精确点预测、区间预测和概率预测。     

基于贝叶斯网络的城市燃气管道安全失效概率

贝叶斯网络对不确定性问题具有强大的处理能力和自我学习更新能力,而贝叶斯网络软件的应用提高了基于贝叶斯网络风险预测的有效性。建立了基于贝叶斯网络的城市燃气管道失效概率分析模型,运用HUGIN和MSBNX软件工具,结合某市天然气管道案例,计算多态故障顶事件安全失效概率和各失效因素的结构重要度。运用BN的推理能力,对造成管道安全失效的自然破坏因素和腐蚀因素分别进行单因素和双因素修正。修正后的贝叶斯网络模型更加符合实际,对提高城市燃气管道安全失效定量分析的系统性、预见性和准确性具有更好的现实意义,也充分显示了贝叶斯网络在处理复杂系统风险分析中独特的优越性和适用性。