基于GA优化的支持向量机模型在青椒作物需水量预测中的应用

为节约灌溉用水,采用垄沟集雨覆盖种植技术与滴灌技术相结合(MFR-DI),并对使用该技术种植的青椒进行作物需水量预测.根据多年气象资料、青椒冠层温度以及逐日作物需水量资料,构建了以冠层温度、气象因素为输入因子的预测MFR-DI种植模式下青椒作物需水量的GA-SVM模型,使用2017年的数据对模型进行了测试,结果表明:在...     

一例混合散养鸡、鹅组织滴虫病的病理学诊断报告

就一例混合散养鸡、鹅组织滴虫感染导致死亡的病例进行了分析,介绍了混合散养鸡、鹅感染组织滴虫的病理学诊断、治疗方法以及防范措施.为临床混合散养鸡、鹅感染组织滴虫病识别及处置提供参考,同时为预防组织滴虫病的发生提供技术支持.     

从边缘走向核心——生态卫星城跃然腾飞

嵩明县距昆明市主城区35km,全县国土面积1357.29km<'2>,坝子总面积446.1km<'2>,为云南省第7、昆明市第2大平坝.境内有"4线出省"、"6路通嵩"的便捷交通优势.昆明新机场建成并投入使用后,嵩明将成为我国第4大空港经济区,由此形成的临空经济圈将成为昆曲工业走廊、昆滇经济带、滇中城市群体的重要枢纽节点.     

冬水田汇肥

四川凉平县山区,有很多冬水田,土质瘠薄,当地又缺肥料,因此水稻产量很低。他们补救的办法,就是在田里挖一个凼凼积肥。1955年城南乡白鹊社,采用这个方法积肥,使水稻大面积增产,每亩产量达500斤左右,高过凉平高级社产量。兹将积肥方法介绍如下:     

国内首次发现乳牛皱胃毛霉菌病—伴发念珠菌病与曲霉菌毒素中毒的报告

1978年于西安市第二奶牛场,解剖36例患出血性胃肠炎与胃溃疡的病例中,发现5例皱胃毛霉菌病的典型病灶。这些病例中还伴有念珠菌感染与曲霉菌毒素中毒。病牛主要呈现顽固性、黑色粘液性腹泻,10余天后死亡。也有表现分娩衰弱,急性坏死性子宫内膜炎和化脓坏死性乳房炎等变化。患皱胃毛霉菌病的乳牛,显示三种类型的病理变化。即急性早期阶段,坏死病变以循环障碍为主;亚急性中期阶段,呈凝固性坏死与梗塞;慢性晚期阶段,病理变化与肉芽肿类似。乳牛毛霉菌病的病原为微小根毛霉、伞枝犁头霉和足样根霉。三种菌各以1～3千万个孢囊孢子耳静脉注射家兔,腹腔注射豚鼠。结果三种菌致家兔于1～4日内死亡,豚鼠于3～7日内死亡。作者认为,毛霉菌病的致病真菌在饲料及乳牛体严重侵染,是本病的直接病因,而过多饲喂精饲料造成瘤胃酸中毒和长期使用抗生素药物,是该场乳牛皱胃毛霉病的诱发因素。     

马黄曲霉毒素中毒性流产的诊断研究

陕西眉县土岭马场突发性马流产,主要病理变化为皮下,粘膜及内脏出血,肝脏和肾脏变性坏死。真菌检验:该场各种饲草、饲料及畜体内外环境中黄曲霉出现率为100％,污染率为8.3～100％。黄曲霉毒素B_1测定:1.流产马驹胃肠内容物、马厩暴皿培养及混合饲料中,产生黄曲霉毒素B_1菌株检出率为96.3％;2.混合饲料中黄曲霉毒素B_1含量为250ppb;3.流产马驹肝脏中黄曲霉毒素B_1残留量达60ppb。生物活性测定证实,自饲料与畜体分离的黄曲霉均具有较强烈的病原性与致死性。     

基于VMD-PSR-BNN模型的月径流预测方法研究

径流过程是地球上水文循环中的关键一环,科学准确地预测月径流的来水量对于流域的水量调度、水资源规划及管理具有十分重要的意义。然而由于径流过程的复杂性以及人类活动的影响,在变化环境中精准捕捉月径流时间序列的变化规律变得十分困难。针对月径流时间序列预测中存在的对于样本数据中先验信息识别不够彻底以及对时间步长嵌入维度难以有效地自适应选取这两点问题,设计了基于VMD-PSR-BNN的月径流时间序列预测模型。基于变分模态分解（VMD）算法对噪声良好的鲁棒性和对时序信号精确分解的特性,将月径流时间序列视为一种时序信号,利用VMD方法将月径流时间序列分解为多个相对平稳的固有模态函数（IMF）,再基于相空间重构（PSR）理论对各个IMF分别进行重构,对各个重构后的IMF分别采用基于变分推理的贝叶斯神经网络（BNN）进行预测,最后将各个BNN的预测结果进行聚合重构得到月径流时间序列的最终预测结果。选取渭河流域咸阳和华县两个水文站1953-2018年的月径流时间序列进行实例分析。结果表明：VMD对月径流时间序列具有很好的分解效果,两个水文站基于VMD-PSR-BNN模型的月径流预测结果均可达到水文预报的甲级...     

香菇液体菌种发酵工艺及栽培技术研究项目通过技术鉴定

辽宁省微生物研究所由邢瑛、李东海等主持承担的“香菇液体菌种发酵工艺及栽培技术研究”项目,在朝阳市科学技术委员会的主持下,通过技术鉴定。该项研究采用LN—9号菌株在发酵工艺中,解决了国内带有普遍性的液体种斜面匀浆问题,降低了污染率,并使发酵周期比斜面匀浆法缩短了2～3天。通过试验,筛选出了培养基最佳配方,摸清了发酵适温,发酵罐中的通气量、搅拌转数、pH值等工艺参数。在接种量7～10％的条件下,经96～120小时,即可获     

基于深度学习人工神经网络的青椒调亏灌溉水量预测

在2014—2018年,采用垄沟集雨覆盖种植滴灌技术与调亏灌溉技术相结合（MFR-RDI）对青椒进行试验研究,选取灌溉水利用效率最高的试验处理（即青椒结果后期重度亏水）进行灌水量预测。根据试验期间搜集的各项资料,在MFR-RDI种植方式下,以作物需水量、青椒生育期天数、作物生育期内的降水量、土壤含水率、前一天的灌水量作为模型输入因子,构建青椒作物灌水量的深度学习人工神经网络（DNN）预测模型。通过模型试验得到最佳DNN预测模型,该模型的隐含层包括4层,各隐含层神经元个数分别为：32、16、8、4。模型的激活函数采用“ReLU”,优化函数为“adam”,迭代次数为300。模型使用2018年的数据进行了测试。测试结果表明DNN模型的RMSE为0.898 mm,MAE为0.257 mm,NS为0.758,R²为0.7635,说明该预测模型具有较高的精度性能。通过预测结果可以得到此种植方式下青椒的灌溉制度,为实现高效智能节水灌溉提供参考。