基于遥感多参数和IPSO-WNN的冬小麦单产估测

冬小麦是我国的主要粮食作物之一。为进一步准确地估测冬小麦产量,以陕西省关中平原为研究区域,选取冬小麦主要生育期与水分胁迫和光合作用等密切相关的条件植被温度指数（VTCI）、叶面积指数（LAI）和光合有效辐射吸收比率（FPAR）作为遥感特征参数,采用改进的粒子群算法优化小波神经网络（IPSO-WNN）以改善梯度下降方法易陷入局部最优的缺陷,并构建冬小麦产量估测模型。结果表明,IPSO-WNN模型的决定系数R2为0.66,平均绝对百分比误差（MAPE）为7.59%,相比于BPNN（R2=0.46,MAPE为11.80%）与WNN（R2=0.52,MAPE为9.80%）,IPSO-WNN能够进一步提高模型的精度、增强模型的鲁棒性。采用灵敏度分析的方法探究对冬小麦产量影响较大的输入参数,结果发现,抽穗-灌浆期的FPAR对冬小麦产量影响最大,其次拔节期的VTCI、抽穗-灌浆期和乳熟期的LAI以及返青期和拔节期的FPAR对冬小麦产量的影响较大。通过IPSO-WNN输出获取冬小麦综合监测指数I,构建I与统计单产之间的估产模型以估测关中平原冬小麦单产,结果显示,估测单产与统计单产之间的R2为0.63,均方根误差（RMSE）为505.50kg/hm2,相比于前人的研究较好地解决了估产模型存在的“低产高估”的问题,因此,本文基于IPSO-WNN构建的估产模型能够较准确地估测关中平原冬小麦产量。     

多参数冬小麦估产模型研究及产量影响因素分析

产量估算研究对制定粮食政策和经济计划,科学地进行粮食宏观调控有着重要意义。针对以往线性遥感估产模型中多是基于NDVI和LAI的研究,且参数间存在多重共线性等问题,该研究以河北省南部石家庄、保定、邯郸、邢台、衡水、沧州六市为研究区,选用2000—2008 年的种植区最佳时相NDVI、LAI累加值,并引入与小麦生物量积累密切相关的不同月份地表温度作为原始估产指标,针对参数累加值存在的误差,提出一个修正公式对NDVI、LAI 进行修正,再对选用参数进行主成分分析,将结果与冬小麦产量数据建立出4 个多参数综合作用的冬小麦遥感估产模型。结果表明,利用2009 年数据对模型进行验证,结果表明4 个模型的R2介于0.714~0.818 之间,估产精度均在93.0%以上,其中,综合所有遥感参数的模型拟合效果最好,R2为0.818,估产精度达95%,而且引入温差主成分的模型精度高于仅用NDVI、LAI作参数的模型,另外深入分析各参数对产量估测的影响可知4 月中旬和5 月中旬的地表昼夜温差对冬小麦的后期产量具有较大影响。     

基于遗传算法的机械产品多参数选配方法

对机械产品多参数选配问题进行了描述,并以同时满足多个装配精度,使不适配零件数量最小化为目标,建立了求解该问题的数学模型。针对机械产品多参数选配的特点,提出了一种基于遗传算法的选配方法。根据问题的特殊性,设计了相应的编码方法和遗传算子。最后给出了应用该算法解决机械产品多参数选配问题的一个实例,证明了该算法的可行性与有效性。     

大型往复平面筛清选试验台的研究

本文设计的大型、液压操纵、多参数在较大范围内可调的平面往复清选试验台,可对现有国内外同类清选机用先进手段进行模拟测试,并提出改进意见。并可求出并验证清选机各参数之间关系,为今后设计清选机提供理论和实验根据。本文主要说明该试验台的研究与设计。     

基于可见/近红外光谱生鲜肉多品质参数检测装置研发

为了解决生鲜肉多个品质参数快速、无损、同时检测的问题,该文利用双波段(350~1 100 nm和1 000~2 500 nm)可见/近红外光谱技术,结合硬件单元和编写的软件控制程序,研发了多品质参数同时检测装置,实现对双波段光谱信息的同时采集、实时处理、显示以及保存。基于该检测装置,采集覆盖生鲜肉多个品质参数的可见/近红外光谱信息(350~2 500 nm),经过平滑和标准正态变量变换(standard normal variate,SNV)预处理后,分别基于单波段和双波段光谱数据,与国家标准方法测定的猪肉颜色(L*、a*、b*)、p H值、挥发性盐基氮(total volatile basic nitrogen,TVB-N)、含水率、蒸煮损失和嫩度建立偏最小二乘(partial least square,PLS)预测模型。在此基础上,利用竞争性自适应加权算法(competitive adaptive reweighted sampling,CARS)筛选特征变量,建立简化的PLS模型,对各个品质参数的预测集相关系数分别为0.962 5、0.933 6、0.938 9、0.941 5、0.936 3、0.912 3、0.920 0和0.901 9,预测误差为0.628 7、0.757 6、0.547 1、0.078 2、2.835 4 mg/(100 g)、0.380 9%、2.560 0%和6.896 7 N。结果表明,该装置可以实现生鲜肉多个品质参数的同时检测,研究结果可为实时获取肉品品质信息,实现肉品评定和分级提供参考。     

基于遥感多参数和门控循环单元网络的冬小麦单产估测

为进一步准确、实时监测冬小麦长势并估测其产量,以陕西省关中平原为研究区域,选取冬小麦旬或生育时期尺度的条件植被温度指数（VTCI）、叶面积指数（LAI）和光合有效辐射吸收比率（FPAR）作为遥感特征参数,分别构建不同时间尺度的单参数、双参数和多参数的门控循环单元（GRU）神经网络模型,并模拟得到冬小麦长势综合监测指数I,结果表明,旬尺度的模型精度总体高于生育时期尺度的模型精度。基于5折交叉验证法进一步验证旬尺度多参数GRU模型的鲁棒性,并构建I与统计单产之间的线性回归模型以估测冬小麦单产,结果显示,冬小麦估测单产与统计单产的决定系数（R2）为0.62,均方根误差（RMSE）为509.08kg/hm2,平均相对误差（MRE）为9.01%,相关性达到极显著水平（P<0.01）,表明旬尺度的多参数估产模型能够较准确地估测关中平原冬小麦产量,且产量分布呈现西高东低的空间特性和整体保持稳定且平稳增长的年际变化特征。此外,基于GRU模型捕获冬小麦生长的累积效应,分析在连续旬中逐步输入参数对产量估测的影响,结果显示,模型具有识别冬小麦关键生长阶段的能力,3月下旬至4月下旬是冬小麦生长的关键时期。