基于GIS和虚拟现实技术的驾驶训练、绩效测评系统开发

文章分析了基于人因工程学原理构建虚拟驾驶训练、绩效测评系统的特点,系统运用人因工程学原理设计,人机交互界面友善、交互性强、可视化效果增强,探讨了系统的软硬件结构及作用机理,给出了系统开发思路及流程-模型数据获取、数据处理、Creator建模、Vega程序设计和系统测试,应用GIS、虚拟现实技术和虚拟GIS技术建立了集汽车驾驶虚拟训练、驾驶员操作绩效数据获取、交通事故重现于一体的多功能虚拟系统。     

春小麦优良变异类型的选择参数—协调指数

用分形理论的思想 ,对小麦分离与不分离群体内各单株性状组合特征进行系统分析 ,在不改变性状表达程度与群体分布状态的前提下 ,根据各单株的每一性状占各自群体最大值的比例数 ,及各比例数大小序号 ,求二者间双对数的回归斜率 ,作为该单株性状组合的协调指数。结果表明 ,该指数小 ,表示本单株各性状在表达程度上接近 ,说明性状间关系比较协调 ,否则即不协调。     

春小麦品种间杂交F_1代若干农艺性状优势效应遗传分析

采用不同遗传类型的春小麦品种，按Ｇｒｉｆｆｉｎｇ方法１配制成一套９×９完全双列杂交．分析了１０个农艺性状的正（负）超亲优势类型出现的频率与其各自性状遗传组成的关系。结果表明，春小麦各性状均存在着一定程度的杂种优势效应。其正（）超亲优势类型出现的频率主要受性状的非加性遗传效应影响，而性状的加性遗传效应与性状的杂种优势方向关系密切。文章探讨了提高春小麦杂种优势效应的技术措施。     

河西屯垦农业水权演变的制度经济学分析及创新思路

在简要回顾和总结甘肃河西地区水权制度演变历史及特征的基础上,对这一演变过程进行了制度经济学分析,得出"用水自由取用-用水使用量权限制-可交易水权"是其变迁的一条基本逻辑主线。在此基础上针对当前水权制度中存在的主要缺陷,提出了河西地区水权制度创新的基本思路。     

现代农业发展的多层面含义及应避免的误区

现代农业发展不仅仅是一个农业经济的发展过程，其中包含着多层面的含义。从发展条件的形成看，是一个与一定的经济发展阶段相适应的社会理性调整过程；从发展动力的合成看，是一个市场引导、政府支持、社会参与的互动整合过程；从发展过程的轨迹看，是一个技术变迁与制度变革交织的相互促进过程：从发展成果的综合看，是一个农村经济政治社会全面发展的过程。在探究上述含义的基础上，就当前及今后我国现代农业建设中存在或可能发生的一些认识或实践误区进行了简要分析。     

辽宁省农民专业合作社适度经营规模研究

为使辽宁省农民专业合作社经营规模的综合效益最佳,用DEA法评价全省89个农民专业合作社的生产效率.分析结果表明,在当前投入产出的情况下,辽宁省水稻种植合作社的适度规模经营区间为(40.0,46.0],(46.0,48.7]和(61.3,66.7]hm2.     

基于SVM的RBF网络在农机总动力预测中的应用

径向基神经网络是一种单隐层的三层前向网络,具有结构简洁、学习速度快等优点。为此,分析了径向基神经网络采用传统聚类方法确定基函数中心存在的问题,提出了一种基于支持向量机聚类确定径向基网络基函数中心的方法。该方法以最大间隔原理和结构风险最小化原则为前提,利用核方法把输入空间的样本映射到高维特征空间完成聚类工作来确定基函数的数量。采用改进的方法训练的径向基神经网络对黑龙江省农机总动力进行非线性时间序列预测,结果表明:改进的网络在确定网络结构、学习速度和提高网络预测精度方面都有较好的效果。     

黑龙江垦区进口大马力拖拉机维修质量评价方法研究

根据黑龙江省农垦总局为了适应农业结构的产业调整,以从美国引进大马力拖拉机的维修问题为研究对象,提出评估拖拉机的维修质量指标体系。利用多层次模糊综合评估方法,对拖拉机的总体维修质量进行了评估,将定性和定量评估有机结合,建立了维修质量综合评估模型,并通过某机型验证了数学模型的合理性、可操作性。评估体系对拖拉机维修过程和修后的质量可以进行有效考核、监督和跟踪,并且能够保证现代化农机装备试验区的动力机正常作业,具有重要的应用价值和推广价值。     

基于RBF神经网络的大豆种植密度和施肥量优化

为解决使用传统回归模型对大豆种植密度及施肥量进行优化时存在的拟合精度低、优化结果不准确等问题,提出一种基于RBF神经网络的优化方法。将大豆种植密度、N、P₂O₅、K₂O施用量作为试验因素,产量作为影响指标,选取黑河43作为试验材料,进行四因素五水平的正交旋转试验,获得各处理下大豆产量数据。对种植密度、施肥量与产量关系构建RBF神经网络拟合模型,对模型进行优化,得到最优种植密度42.65×10⁴株·hm^-2、施N量61.82 kg·hm^-2、施P₂O₅量106.05 kg·hm^-2、施K₂O量19.81 kg·hm^-2,该配比下大豆产量为3 821.48 kg·hm^-2。对优化结果进行试验验证,最优配比下大豆实际产量为3 742.29 kg·hm^-2,与优化结果相对误差为-2.17%,表明该方法有效,且优化...     

基于BP神经网络的玉米种植密度和施肥量优化

为解决利用回归模型进行作物种植密度和施肥量优化时存在的拟合精度差和准确性低等问题,该文提出一种基于BP神经网络的优化方法。以玉米作物为研究对象,选取种植密度、施氮量、施磷量、施钾量为试验因素,玉米产量为影响指标,设计4因素5水平正交旋转试验方案进行田间试验,获取不同种植密度和施肥量水平下的玉米产量。利用BP神经网络模型对试验数据进行函数拟合,拟合后运用该文提出的优化方法获得试验条件下红星农场德美亚1号玉米最佳种植密度9.32×10~4株/hm~2、施N量139.5 kg/hm~2、施P_2O_5量85.4 kg/hm~2、施K_2O量70.8 kg/hm~2,该参数组合下玉米的最优产量为16 308.53 kg/hm~2,高于二次回归模型优化得到的最高产量16 009.00 kg/hm~2。以BP神经网络优化结果在试验区进行验证试验,获得试验方案下玉米产量为15 948.3 kg/hm~2,试验与优化结果相对误差仅为-2.21%,表明该优化方法拟合函数精度高,优化结果准确,为解决农业生产领域中类似优化问题提供了一种可靠方法。