不同利用方式下土壤有机质和全磷的可见近红外高光谱反演

以太湖流域直湖港小流域稻田、桃园和菜地的土壤样本为研究对象,研究了不同光谱建模方法和土地利用方式对土壤有机质和全磷高光谱反演的影响。结果表明:(1)偏最小二乘回归分析(Partial least squarer egression,PLSR)模型的建模和预测精度较高且稳定;人工神经网络中广义回归神经网络(Generalized regression neural network,GRNN)网络预测精度较高但易出现过拟合现象,反向传播神经网络(Back propagation neural network,BPNN)网络比较稳健但精度略低;偏最小二乘与人工神经网络相结合则可综合两者优点,改善复杂样本下的预测精度。(2)土壤有机质的光谱反演结果优于全磷。3种土地利用方式中,稻田的预测效果总体优于桃园和菜地。在当前研究区域内土地利用方式对土壤有机质光谱反演影响不大,但对全磷反演影响较大。今后利用光谱对土壤全磷反演时需分土地利用方式对模型进行校准。

基于可见–近红外光谱的水稻土全磷反演研究

采用PLSR偏最小二乘法回归结合留一法交叉验证，利用长期定位试验田以及直湖港小流域面上的水稻土土壤样本建立最优模型，研究了不同光谱预处理方式对水稻土全磷可见-近红外高光谱反演精度的影响，探索水稻土全磷光谱反演的可行性；并结合简单相关系数法以及PLSR模型回归系数法分析了水稻土全磷光谱反演的重要波段。结果表明，光谱预处理方法对土壤全磷反演精度的影响不大；基于PLSR建立的水稻土全磷光谱反演模型的校正决定系数达0．85，交叉验证决定系数为0．70，RPD为1．8，有较好的模型精度；440～740nm为土壤全磷光谱反演的重要波段。利用PLSR对水稻土全磷进行光谱预测是可行的。

提高矿井主扇运行经济效益的综合分析

昼夜运转的主扇是生产矿井的主要耗能设备之一(一般占全矿总电耗的16％～25％)。近年来,研究制定了一系列主扇节能的措施,取得了一定成效,但始终未从根本上解决能源浪费问题。本文对大型矿井主扇普遍存在的“大马拉小车”现象进行全面综合的分析。通过考察其在整个服务年限内不同生产时期的运行状况,提出与之相适应的主扇调节方案,通过经济技术比较,确定出最佳的主扇经济运行方案。

朱仙庄煤矿主扇改造实践

文中介绍了淮北矿务局朱仙庄煤矿利用更换西风井风机电机降低风机转速和对南一风井的风机在投产初期安装小容量电机的办法所取得的节电效果。