深井离心泵的水力设计和二次回归正交试验

根据研发新型井泵节能节材的要求,将水力设计与计算流体动力学技术和二次回归正交试验方法相结合,进行提高井泵效率的试验研究.试验选择深井离心泵的叶轮出口安放角和出口宽度两个几何因素,按二次回归正交试验方案,设计了10副叶轮.通过计算流体动力学技术对包含叶轮、导叶在内的两级新型深井离心泵的全流场进行了设计工况下的三维流场数值模拟,得到了10组设计方案额定点的效率值.通过二次回归正交试验法研究了叶轮出口安放角、出口宽度对效率的影响规律,根据计算结果对新型深井离心泵效率提出了二次回归约束方程.结果表明,采用叶轮极大直径设计法对提高新型深井离心泵的水力效率具有一定的参考价值.     

基于随机森林回归算法的小麦叶片SPAD值遥感估算

使用机器学习中的随机森林(RF)回归算法构建小麦叶片SPAD值遥感反演模型。以2010—2013年江苏地区试验点稻茬小麦3个生育期(拔节、孕穗、开花)的叶片为材料,结合我国自主研发的环境减灾卫星HJ-1对研究区域进行同步监测,分析了各生育期叶片SPAD值与8种植被指数间的相关性;以0.01水平下显著相关的植被指数作为输入参数,使用RF回归算法构建了每个生育期的小麦SPAD反演算法模型,即RF-SPAD模型,以支持向量回归(SVR)和反向传播(BP)神经网络算法构建的SVR-SPAD模型和BP-SPAD模型作为比较模型,以R2和均方根误差(RMSE)为指标,分析了每个生育期3个模型的学习能力和回归预测能力,结果表明:RF-SPAD模型在3个生育期都表现出最强的学习能力,R2和RMSE在拔节期分别为0.89和1.54,孕穗期分别为0.85和1.49,开花期分别为0.80和1.71;RF-SPAD模型在3个生育期的回归预测能力都高于BP-SPAD模型,高于或接近于SVR-SPAD模型,R2和RMSE在拔节期分别为0.55和2.11,孕穗期分别为0.72和2.20,开花期分别为0.60和3.16。     

基于MK—SVR模型的小麦叶面积指数遥感反演

提出了运用多核支持向量回归(MK-SVR)算法构建小麦叶面积指数(LAI)遥感监测模型。以2010—2013年试验样点小麦拔节、孕穗、开花3期的实测LAI数据为基础,同步获取我国自主研发的环境减灾卫星HJ-CCD对该研究区域的影像数据,分析了各生育期小麦LAI与8种植被指数间的相关性。以显著相关的植被指数作为输入参数,使用MK-SVR算法构建了每个生育期的小麦LAI反演模型,即MK-SVR-LAI模型。为了评价模型,每期使用单一核支持向量回归(SK-SVR)、偏最小二乘(PLS)回归算法构建了SK-SVR-LAI、PLS-LAI模型。将模型估算LAI值和田间观测LAI值进行比对,以决定系数(R2)和均方根误差(RMSE)为指标评价并比较了模型。结果表明:3个生育期MK-SVR-LAI模型的RMSE值均低于参比模型,拔节期为0.293 1,孕穗期为0.466 8,开花期为0.548 6,且该模型的R2也都最高,拔节期为0.762 4,孕穗期为0.801 8,开花期为0.668 9。     

近红外多组分分析中异常样本识别方法

近红外光谱分析中,异常样本的存在严重影响定标模型的预测性能和适配性。基于 X / Y 联合的ODXY异常样本识别和剔除方法,提出并证明了一种专用于多组分分析的MODXY异常样本识别方法。实验采用80组玉米近红外光谱数据,利用不同异常样本识别方法剔除异常样本后建立玉米含水率、含油率、蛋白质含量和淀粉含量4种组分的偏最小二乘预测模型,采用预测均方差和决定系数作为评价指标比较所建模型的性能,检验MODXY方法在多组分分析中的异常样本识别能力。实验结果表明：在近红外多组分分析中,MODXY方法在大多数情况下具有更好的异常样本识别能力;MODXY方法和ODXY方法均有一定的适用范围,它们更适合于相应组分化学值的相对标准偏差较大的情况。     

面向智能制造的数控机床多目标优选法研究

考虑当前制造业智能化发展趋势以及数控机床在现代制造工程领域所发挥的关键作用,提出了一种集质量功能展开(QFD)、模糊线性回归和0-1目标规划优点于一体的数控机床多目标优选法。在研究智能制造对数控机床特定要求的基础上,运用QFD考察智能制造需求与数控机床性能之间的因果关系,采用质量屋将智能制造的需求有机地融入数控机床选型中。基于模糊线性回归法确定智能制造需求与数控机床性能在质量屋中的相互关联程度,运用层次分析法计算智能制造需求指标的权重系数,并采用0-1目标规划法在众多候选数控机床中做出最佳选择。以某智能制造平台搭建过程中的数控机床多目标决策问题作为应用案例,从5台候选数控机床中挑选出综合性能最好的1台。研究表明,所提出的面向智能制造的数控机床多目标优选法具有较高的工程实用性。     

基于VTCI和分位数回归模型的冬小麦单产估测方法

条件植被温度指数(VTCI)是一种综合了归一化植被指数(NDVI)与地表温度(LST)的遥感干旱监测方法,在关中平原的近实时干旱监测中具有其适用性。分位数回归能全面反映因变量的条件分布在不同分位数处的特征,回归结果稳健可靠。为了进一步研究VTCI干旱监测结果与小麦单产之间的关系及提高冬小麦单产估测精度,构建了不同分位数τ(0.1,0.3,0.5,0.7,0.9)下关中平原各市2008—2014年的冬小麦主要生育期VTCI与单产之间的线性回归模型,并基于中位数(τ=0.5)回归模型对研究区域的冬小麦单产进行了估测。结果表明,分位数回归模型比较全面地反映了不同分位数下冬小麦单产分布与VTCI之间的相关程度,弥补了最小二乘估产模型回归结果单一、易受异常值影响等的不足。中位数回归模型的单产估测结果与实际单产之间的相对误差和均方根误差的最小值及平均值均低于最小二乘回归模型,估测精度较高。此外,中位数单产估测模型获取的冬小麦估产结果在年际变化规律与空间分布特征上与实际产量均较相符,说明分位数回归在研究VTCI与产量之间的关系及冬小麦单产估测中具有其适用性与可靠性。     

基于SVR逆向模型的拖拉机导航纯追踪控制方法

针对行驶过程中轮胎侧滑量、路面性质等不确定性因素导致传统拖拉机二轮运动学模型难以准确描述拖拉机运动轨迹的问题,提出了一种基于SVR(Support vector regression)逆向模型的拖拉机导航纯追踪控制方法。采用粒度支持向量回归(Granular support vector regression,GSVR)方法建立了拖拉机前进航向的逆向模型,实时获得实际转弯曲率与运动学理论转弯曲率的函数关系,逆向模型对纯追踪导航模型输出进行,校正提高了纯追踪导航控制方法的适应性和动态性能。拖拉机导航系统的路径追踪路面试验结果表明:当行驶距离大于125 m、行驶速度为1.2 m/s时,直线追踪最大横向偏差小于0.061 4 m,较常规纯追踪模型导航方法具有更好的直线追踪性能;田间试验结果表明:该导航控制方法适用于2BFQ-6型油菜精量联合直播机自动对行作业。     

单品种淡水活鱼数量的被动声学估计

针对单品种淡水活鱼数量估计问题,以鲫鱼和鳊鱼为研究对象,采用不同数量淡水鱼的被动水声信号作为样本,通过4~6层小波包分解算法,对比分析了样本的若干特征提取方案,明确了鲫鱼水声信号特征的提取方案为短时平均过零率+6层小波包分解频段能量,而鳊鱼只需提取6层小波包分解频段能量作为其信号特征。根据不同样本集划分方法比较结果,确定了鲫鱼样本集划分方法为Rank-SPXY(m=10),鳊鱼为Rank-SPXY(m=5)。利用竞争自适应重加权采样,筛选出样本的关键特征,并使用多元线性回归和偏最小二乘回归建立了若干淡水活鱼的数量估计模型,结果表明:多元线性回归模型的性能较好,鲫鱼和鳊鱼数量估计模型的复相关系数分别为0.835和0.893,相对分析误差分别为1.79和2.01。     

基于介电频谱的采后苹果可溶性固形物含量无损检测

根据10~4500MHz间采后21周贮藏期间无损富士苹果介电参数的频谱特性,建立了苹果可溶性固形物含量的支持向量回归（SVR）预测模型和BP网络预测模型;并综合比较了采用原始频谱（FF）、主成分分析（PCA）和连续投影算法（SPA）优选频率对模型预测效果的影响。研究结果表明,PCA—SVR建模效果最好,其预测相关系数为0.883,均方根误差为0.552,PCA—BP的建模效果较PCA—SVR稍差。并且发现经SPA处理后的数据建立的模型,均方根误差普遍较小;经PCA处理后的数据建立的模型,预测相关系数普遍较高。     

基于随机森林模型的山体滑坡空间预测研究

滑坡灾害空间分布的准确预测是实现防灾减灾的重要途径。以2010年福建省顺昌地区滑坡资料为基础数据,分别应用随机森林模型和逻辑回归模型对福建顺昌地区山体滑坡发生与滑坡因子之间的关系进行实证分析,通过模型变量筛选、模型精度分析,探讨了随机森林模型在我国南方山体滑坡空间预测中的适应性。结果表明:随机森林模型对滑坡发生数据的拟合效果比逻辑回归模型好,其对顺昌地区滑坡发生数据的预测精度为90.8%,而逻辑回归模型的预测精度为81.8%;随机森林模型对研究区滑坡发生的泛化能力比逻辑回归模型好,其预测出高危险区和较高危险区所包含的滑坡比总和为66.05%,而逻辑回归模型为63.34%。研究结果表明随机森林模型的性能优于逻辑回归模型,可用于顺昌地区基于滑坡因子的未来滑坡发生的预测预报。