论外来词

随着科学技术的迅猛发展以及我国对外交往的日益频繁,外来词（借词）特别是英语词汇越来越多地渗透到我们的日常生活中.不少人对此表现出了很深的忧虑：这会不会破坏汉语文字的纯洁性？本文主要对外来词所涉及的内容、存在的依据、借用的形式以及应用等方面进行探讨,并着重指出外来词不会影响汉语的纯洁性;相反,外来词的借入会不断地丰富我们的语言宝库,因此人们应该以一种更开放的心态来吸纳外来词.     

粮食生产潜力短期预测的“趋势-波动模型”的验证

应用全国、31个省、6个典型地区和16个典型县的数据对粮食生产潜力短期预测的"趋势-波动模型"进行了系统性的验证和讨论。研究结果表明:(1)预测误差大小反映短期生产潜力的预测精度,预测误差大的主要原因是经济发达地区高产农田被大量占用和(或)蔬菜、水果种植面积大幅度增加而短期内使粮食单产下降;(2)小趋势修正方法是"趋势-波动模型"中不可缺少的一部分,它能将大趋势预测不能包括的短期如气象因素、科技投入、社会因素等影响纳入预测中,提高预测精度;(3)就我国近些年来的实际情况而言,越是经济发达的地区短期生产潜力的波动越大;同样发达地区短期潜力存在增加-下降-回升阶段;(4)就短期生产潜力预测精度而言:国家级大于省级、省级大于地区级、地区级大于县级;不同省、不同地区、不同县之间预测精度差别比较大,这与境内气候的互补性和农田抗御自然灾害的能力有关。     

峰谷电价下的梯级水电站短期优化

依据发电企业既要服从电网调度又要追求自身效益的特点，建立了两个考虑峰谷分时电价因子的梯级短期调度模型，并选用逐次优化和逐步逼近的混合算法(POA－DPSA)求解。该模型简单，算法易于实现。将该理论应用于电站实际演算中，结果表明这两个优化模型对促进电网的安全、提高企业发电效益具有较高的应用价值。     

基于CNN-BiLSTM的棉花产量预测方法

针对传统的作物产量估算方法在模型泛化方面的不足及缺少时序特征和空间特征的问题,该研究以机采棉为研究对象,结合无人机遥感平台与深度学习技术对棉花进行多期遥感观测与估产。以棉花苗期、蕾期和花期的影像为时间序列数据集,构建基于卷积神经网络（Convolutional Neural Network,CNN）和双向长短期记忆（Bidirectional Long Short-Term Memory,BiLSTM）的混合模型（CNN-BiLSTM）进行棉花产量预估,提高时间维度和空间维度方面的特征提取能力,并分别验证CNN和BiLSTM的性能以及不同网络深度对估产的影响。研究结果表明,CNN和BiLSTM深度分别为14和1的CNN14-BiLSTM模型准确率最高,对比单一结构的BiLSTM该模型决定系数从0.851提升至0.885,其均方根误差和平均绝对百分比误差也均明显下降,在2.3 m×2.3 m的样方内,结果分别为147.167 g和6.711%。该研究实现了基于时间序列的棉花产量估算,可为类似的作物产量估算提供参考。     

基于MFO-LSTM的母猪发情行为识别

及时准确识别母猪的发情行为可以有效增加受胎率和产仔量,对提高养殖企业的繁育水平和经济效益具有重要意义。该研究针对生猪养殖过程中母猪发情行为识别存在主观性强、智能化水平低、假警报和错误率高、识别不及时等问题,提出了一种基于飞蛾扑火算法(Moth-Flame Optimization,MFO)优化长短时记忆网络(Long Short Term Memory,LSTM)的母猪发情行为识别方法。利用安装在母猪颈部的姿态传感器获得母猪姿态数据,然后使用姿态数据训练MFO-LSTM姿态分类模型,将母猪姿态分为立姿、卧姿和爬跨3类。通过对姿态分类结果进行分析,确定以爬跨行为和活动量2个特征作为发情行为识别依据,使用MFO-LSTM分类算法判断母猪是否发情。以山西省太原市杏花岭区五丰养殖场的试验数据对该方法进行验证,结果表明,该方法在以30 min为发情行为识别时间时的识别效果最好,发情行为识别的错误率为13.43%,召回率为90.63%,特效性为81.63%,与已有的母猪发情行为识别方法相比错误率降低了80%以上。该方法在保证识别准确率的情况下有效降低了错误率,可满足母猪养殖生产过程中发情行为自动识别要求。     

基于SSA-LSTM的玉米土壤含氧量预测模型

土壤含氧量（Soil oxygen content,SOC）是影响作物生长的重要土壤环境因素之一,具有时序性、不稳定性和非线性等特点,精确预测土壤环境中含氧量的变化趋势,有助于制定更加合理的土壤通气增氧方案。本研究提出基于麻雀搜索算法（Sparrow search algorithm,SSA）和长短时记忆（Long and short-term memory,LSTM）神经网络预测模型,利用国家土壤质量湛江观测实验站记录玉米种植期间的气象环境和土壤环境数据,基于SSA-LSTM模型对SOC变化进行预测及相关性分析,并与传统的BP预测模型、LSTM预测模型、GA-LSTM预测模型及PSO-LSTM预测模型进行对比。试验结果表明,SOC与降雨量、土壤含水率、土壤温度、土壤充气孔隙度相关性极显著,相关系数高于0.8,与大气温度和风速相关性显著,与大气湿度和土壤呼吸速率相关性较弱。SSA-LSTM模型预测精度明显高于其他4组对照预测模型,R2达到0.95979,RMSE仅为0.4917%,MAPE为3.7331%,MAE为 0.3620%,预测值与试验值之间的拟合程度高。本研究可为土壤含氧量变化的精准预测及土壤通气增氧技术的应用推广提供理论支撑与科学依据。     

飞来峡水利枢纽水保工程监测内容和方法设计

通过对黄土高原水土保持世行贷款项目实施后土壤养分、pH和阳离子代换量变化的分析，研究了水土保持措施对土壤化学特性的影响。结果表明，坡耕地和荒坡地的土壤养分含量基本不随时间变化，而有措施地块的土壤养分含量随时间推移而递增；有措施较无措施地块的土壤养分含量增加，pH向中性变化；阳离子代换量增加。     

温度对中华鲟精子、卵子短期保存的影响

研究了中华鲟精子和卵子在低温(8,12℃)、中温(16,20℃)和高温(24,28℃)条件下短期保存的效果。结果发现:精子保存时间随着保存温度的升高逐渐缩短,8℃下可保存146 h以上,而28℃下只能保存32 h。低温下保存精子的活力强于高温下保存的精子,表现为快速运动时间和总活动时间较长;卵子适合在中温(16,20℃)下保存,高温或者低温对卵子的保存都不利,28℃下只能保存4~8 h,8℃下只能保存4~10 h,而在16℃和20℃下可保存18~20 h。     

世行项目造林质量监测的方法和效果

介绍了“贫困地区林业发展项目”对造林质量进行监测的标准及方法、实施监测的程序与机制。实施监测大大提高了造林质量，使造林合格率由第1年的82．3％提高到第3年的92．4％。这些方法可以在其它重点林业工程中借鉴和应用。     

基于Web Services的农村小额贷款决策支持系统设计研究

针对农村小额信贷业务信息化所遇到的时间、交通和地点限制的困难问题,提出了在决策支持系统中,采用基于异构平台的web Services技术和分布式模型库管理技术.论文通过总体设计和模块设计描述,阐述了信用证贷款管理、差别化定价、个性化理财和抵押抵补等特色功能设计,描述了农村信用评价、贷款项目风险评价、信贷人员绩效考核和风险预警等决策支持功能实现的关键技术.系统研究为在农村推广和建立小额信贷制度奠定了基础.