2023年天津市蔬菜田头市场价格分析与未来展望

蔬菜是人们生活中必不可少的重要食品,市场供应水平关系到菜农和消费者利益以及社会的稳定。本研究选取天津市25种蔬菜田头价格开展分析与研究,结果表明,2023年天津市蔬菜田头价格走势相对平稳,与历年的走势大致相当,呈现“W”型特征,即3个高位期、两个低位期。从价格波动特点看,蔬菜田头价格波动受气象条件影响明显,蔬菜上市期气象条件好,价格通常走低;如遇到极端天气,价格短期内迅速上涨。天津作为超大城市,建议完善蔬菜市场信息监测预警机制,健全部门信息共享机制,提升地产蔬菜稳产保供能力。

基于气象因素的玉米单产堆栈集成学习建模与预测

【目的】在世界气候变化加剧和气象灾害频发的背景下,探究气象因素对玉米单产的重要性并准确预测玉米单产对于促进农业生产和田间管理具有重要意义。本文旨在量化分析玉米各生育阶段气象因素对单产的重要性并建立高精度、高可靠性的玉米气象单产堆栈集成学习估测模型来预测单产。【方法】利用HP滤波法和移动平均法确定各县域趋势单产模型并分离出各县气象单产。采用轻量级梯度提升机(LightGBM)、Bagging和Stacking 3种集成学习方法,通过对中国12个省份596个县级行政区域和气象观测站跨度34年的日度气象数据和玉米产量数据进行分析,建立3种基于不同集成学习框架(LightGBM、Bagging和Stacking)的玉米气象单产预测模型。【结果】适用HP滤波法作为趋势单产模型的县域主要集中在陕西、河南、江苏和安徽地区。相较于HP滤波法,更多县域适用于移动平均法,且多数县域R 2分布于0.8以上。基于5年滑动预测和模型精度评价指标,3种模型对玉米单产的平均绝对百分比误差(MAPE)指标均低于6%。Stacking模型MAPE值达到4.60%,预测精度高,泛化性强。结果表明玉米气象单产堆栈集成学习预测模型(Stacking)具有更高精度和更强鲁棒性,并能有效利用各基学习器特点与优势,提升预测精度,是根据气象因素预测玉米单产的最优模型。此外,基于12省玉米生育阶段27个气象因素的随机森林特征重要性评分对玉米单产的定量分析,对作物监测和田间管理有借鉴和参考意义。【结论】3种集成学习方法,尤其是堆栈集成学习模型(Stacking)预测效果能够详细反映出玉米单产的时空分布变化情况。基于气象因素的玉米单产堆栈集成学习模型可为田间管理和精准预测玉米单产提供新方法。

基于Blending-Clustering集成学习的大坝变形预测模型

【目的】变形是反映大坝结构性态最直观的效应量,构建科学合理的变形预测模型是保障大坝安全健康运行的重要手段。针对传统大坝变形预测模型预测精度低、误报率高等问题导致的错误报警现象,【方法】选取不同预测模型和聚类算法集成,构建了一种Blending-Clustering集成学习的大坝变形预测模型,该模型以Blending对单一预测模型集成提升预测精度为核心,并通过Clustering聚类优选预测值改善模型稳定性。以新疆某面板堆石坝变形监测数据为实例分析,通过多模型预测性能比较,对所提出模型的预测精度和稳定性进行全面评估。【结果】结果显示:Blending-Clustering模型将预测模型和聚类算法集成,均方根误差(RMSE)和归一化平均百分比误差(nMAPE)明显降低,模型的预测精度得到显著提高;回归相关系数(R~2)得到提升,模型具备更强的拟合能力;在面板堆石坝上22个测点变形数据集上的预测评价指标波动范围更小,模型的泛化性和稳定性得到有效增强。【结论】结果表明:Blending-Clustering集成预测模型对于预测精度、泛化性和稳定性均有明显提升,在实际工程具有一定的应用价值。

基于M-DBT框架的岩质边坡落石跟踪算法研究

边坡落石是一种常见的自然灾害,构建高效准确的落石监测方法对边坡安全监控十分重要。传统基于视频图像的落石监测方法缺乏对落石运动的关注。针对该问题,选取YOLOv5s和DeepSort模型,基于DBT框架,从框架、算法两个层面对模型进行改进,提出了基于M-DBT框架的落石跟踪算法。框架层面,基于Background Matting算法搭建了运动检测器,并融入原有的DBT框架中,依据运动检测结果动态调用落石跟踪算法,提出了M-DBT目标跟踪算法框架,提高了设备算力的使用效率。算法层面,基于CBAM注意力机制、ASPP空间金字塔池化、SIoU损失函数和Swin Transformer网络集成优化了YOLOv5s和DeepSort算法,提高了算法对落石特征的提取能力、预测框的准确率及检测目标ID分配精度。使用自建目标检测和图像分类数据集进行模型训练与试验,试验结果表明:基于M-DBT框架的落石跟踪算法与基于DBT框架的算法相比,能有效减少算力资源消耗(最高可减少21.5%);改进后的YOLOv5s模型检测精度提高了8.4%,岩块检测准确率最高达87%;改进后DeepSort模型的跟踪精度提升了8.9%,跟踪准确率最高达84%。所提落石跟踪算法能够实现边坡落石的检测与跟踪,具有较强的实用价值。

深度学习法检测大坝安全监测异常数据

有效检测出异常数据在大坝安全监测领域具有重要意义,但传统方法检测时受异常数据偏离大小和数量影响,鲁棒性较差。提出一种基于深度学习的大坝安全监测异常数据检测算法,模拟人工识别异常数据的过程,按分类和识别两个阶段检测异常数据,适用于检测变化趋势不确定的数据,其中标签数据集采取自动制作方式,具备反馈机制。试验结果表明该算法对各类异常添加模式的试验数据查准率平均达到0.97以上,查全率平均达到0.97以上,准确率平均达到0.99以上,尤其能有效找出小数值异常,比传统异常数据检测方法具有更好的检测稳定性、鲁棒性和实用性。

基于机器视觉的滑坡体夜间不间断监测技术研究

为了提升对滑坡体险情的实时感知能力,提出了一种基于机器视觉的滑坡体夜间不间断监测技术,该技术通过提取夜间滑坡体特征物的位移,来监测滑坡体的局部变形情况:首先利用二值化方法提取滑坡体特征点阵;然后利用不同点阵的特征三角形对像素坐标系进行变换,实现特征点的匹配,并计算像素位移;最后基于单目测距原理将像素移动距离转换为实际距离,进而实现边坡的夜间不间断监测。试验结果表明,该技术在保持较高精度的同时,能够在夜间持续对滑坡体进行监测,可运用于实际工程中。

基于改进随机森林的大坝监测数据质量评价算法

针对大坝安全监测数据质量评价效率低下、智慧化不足等难题,为了满足大坝高频率自动化采集的实时数据质量评价需要,从准确性、完整性、时效性和连续性4个方面出发提出了6项评价因子及由相关评价规范构成的安全监测历史数据质量评价标准,通过基于AUC值改进的随机森林算法建立了大坝安全监测历史数据质量评价算法,并将该算法应用于新疆柳树沟面板堆石坝多年安全监测历史数据评价。结果表明:通过AUC值改进的随机森林算法优于原始算法,在特征属性数量取3时效果最好,测试集的泛化误差最小仅为0.0195,平均准确率稳定在96.97%附近,10折交叉验证平均准确率达到97.77%,证明了该算法的可行性。

基于机器视觉的非接触式滑坡体监测技术研究

为降低监测成本有效提升滑坡体险情感知能力,文章提出了一种基于机器视觉的非接触式监测技术,并使用大型室内滑坡模拟装置对其可靠性进行验证。该技术采用特定标识物作为滑坡体的监测对象,并设计了以HSV色彩空间与Hough圆检测算法为基础的标识物提取定位算法,融合了单目测距技术对标识物的位移进行定量计算。采用该技术监测分析大型室内滑坡模拟装置的滑坡体险情发展全过程,结果表明,此技术能够较为精确地反映滑坡体的位移情况,为滑坡监测提供了一种经济、全面的监测方案。

面向大坝变形的重构预测的稀疏表示算法研究

传感器中采集的大坝原始监测序列不可避免地存在外界及人为造成的噪声,给准确预测大坝变形带来挑战,为解决该问题,提出降噪重构训练集方法来预测大坝变形。针对传统降噪方法受冗余基函数影响,引入K-SVD方法来稀疏表示大坝原始监测序列,自适应地更新原子提高重构的大坝监测序列的有效信息。以真实大坝为例,验证本研究方法的有效性,以预测能力不同的机器学习模型进行试验,试验表明本研究训练集降噪重构算法可以提高大坝变形预测精度,有效展现了大坝变形序列的特征,面对传统降噪算法有着较好的表现,具有一定鲁棒性和可靠性。

2023年上半年天津蔬菜田头市场行情分析与展望

2023年上半年天津蔬菜田头市场行情走势相对平稳,处于近3年同期价格最低位。其中,叶类蔬菜本地种植面积大,3月开始大量上市,价格波动明显,同比上涨;茄果类蔬菜本地生产周期相对较长,4月陆续上市,价格持续下行,同比下降;耐储菜上半年本地上市量相对偏弱,价格走势平稳,同比降幅明显。蔬菜田头市场价格呈现周期性和季节性变化,天气是引起蔬菜异常波动的主要原因,部分蔬菜价格还存在“大小年”现象,蔬菜销售形式日趋多样化。总体来看,2023年天津蔬菜供应形势宽松,受蔬菜供应地转换、生产方式转变、生产和人工成本上涨等因素影响,下半年蔬菜田头价格将小幅上行,同比略低于上年同期。

GPT技术驱动的农业发展范式研究与展望

当前,机器学习、自然语言理解等人工智能技术持续演进,Transformer模型架构、基于人工反馈的强化学习等关键技术取得重要突破。GPT(Generative Pre-trained Transformer)技术驱动的生成式人工智能大语言模型开发取得显著进展,创新生态有寒武纪大爆发的趋势,正在加快通用人工智能时代的到来。GPT技术与农业农村深入渗透融合,将引发农业农村领域智能化变革,对农业农村产生广泛而深远的影响。农业人工智能多模态大模型将成为农业领域科技创新的热点。本研究分析了人工智能技术在智能育种、作物和土壤智能监测预警、病虫草害智能识别预警、农业机器人、智能专家系统等领域的应用,提出了构建大规模农业标注语料库、研建农业多模态大模型、开发多模态大模型智能交互终端、部署农业大模型场景应用等农业GPT技术开发路径,对GPT技术促进农业生产、经营、管理、服务、科研等领域的范式创新进行了分析和展望。

无人机倾斜摄影测量技术支持下的裸露边坡表面变化识别

为克服传统人工边坡调查方法效率低、风险高、难度大等缺陷,针对高陡裸露边坡,本文提出了基于无人机倾斜摄影的边坡三维重建和灾害识别分类方法,即利用无人机多视角序列影像重构裸露边坡三维实景模型,并将不同时期的边坡三维模型统一在相同的坐标系内。经试验验证,重建模型精度优于2 cm,基于点云与点云比较算法的三维点云数据变化检测算法,能够分析两个时期点云模型的细微差异,通过在三维实景模型中进行标记,结合PointNet++分类神经网络算法自制点云数据集,成功地实现对标记区域的识别与分类,从而实现边坡滑坡、坍塌、落石等灾害场景的智能化识别。

基于图像识别的无标尺水位测量技术研究

针对传统人工读取水位标尺效率低和现有基于水位标尺进行图像处理获取水位的环境适应性差、水位标尺量程短等问题,提出一种基于图像识别的无标尺水位测量技术。该技术无需借助水位标尺,仅需对水位进行标定;将采集到的水位图像输入U-net神经网络进行训练,得到水体区域和非水体区域的图像语义分割模型;借助图像识别获取水位线坐标;最后根据水位标定的数学模型,采用线性插值和坐标拟合的方法计算水位。试验结果表明,该技术环境适应性强,昼、夜间的水位测量误差均小于1 cm。采用该技术可以实现河道、水库等大量程的水位实时测量。

降雨作用下砂土河道岸坡稳定试验研究

由于砂土特殊的物理力学特性,砂土岸坡的失稳破坏过程与一般黏性土岸坡存在明显差别。以厚层砂土型河道岸坡为对象,研究不同降雨强度和岸坡坡比下的砂土岸坡变形破坏过程。共设计5组室内物理模型试验,每组试验均埋设水分计、微型孔压计、引线式温度计,并利用高精度摄像机记录岸坡变形破坏的全过程。试验结果显示:随含水率增大,非饱和砂土黏聚力呈先增后减的趋势,并具有明显的峰值,内摩擦角呈减小趋势;不同雨强及坡比情况下,砂土岸坡的变形破坏机制不同;短历时降雨会在坡体表层形成饱和区,阻止雨水的入渗,砂土层不同深度水分运移各异,雨水入渗并非单一的垂直入渗;岸坡侵蚀破坏在雨水冲刷、降雨入渗及重力侵蚀的耦合作用下发生。试验能够真实反映复杂工况下砂土岸坡的冲刷特性与坍塌破坏全过程,可为多因素共同作用下岸坡稳定分析理论与方法的建立提供参考。

基于机器视觉的裂缝测量技术现场研究

本文基于机器视觉技术和计算机图像学理论构建了一个高精度裂缝参数测量算法,该算法由裂缝标识定位、灭点检测和裂缝参数计算三个主要部分构成,通过从智能手机、摄像头等设备采集的图像,利用投影变换交比不变的特性,基于图像空间和实际物理空间坐标系的投影关系,计算得到裂缝参数的测量数据。经过室内试验验证,该算法在30mm量程内对于平面坐标上的裂缝测量精度达到0.1mm以内。通过现场试验证明,该算法在长期监测时能够保持较高的精度,能有效测量到施工缝随温度的周期性变化趋势,可以满足实际工程的测量要求。

基于靶标的小角度结构缝平面检测算法与应用

结构性裂缝变化是衡量混凝土坝安全状态的重要依据之一。针对传统视觉测量方法在小角度倾斜拍摄条件下存在测量精度显著下降的问题,根据结构缝变化等效物理模型设计了一种能够适应小角度拍摄的新型靶标,并提出结构缝二维平面变化检测算法。该方法利用射影几何中的交比不变性和灭点的性质,对靶标同心圆圆心进行透视偏差修正,以获取精确的靶标特征点坐标并推导出结构缝在x、y方向的变化量检测算法。将靶标置于滑台上模拟结构缝的变化,从多个方面对检测算法进行验证。室内验证试验结果表明:在不同拍摄角度,甚至小角度拍摄条件下,该方法在x与y方向的测量误差均小于0.1 mm。现场试验中,x与y方向误差均小于0.25 mm,满足规范要求,具有工程应用价值。

融合多测点数据相关性的大坝监测历史数据填补

基于历史数据的大坝安全监测预警、预报算法对数据集的质量要求较高,含有缺失值的数据集会明显降低算法结果的准确性。为提升数据质量,提出了一种融合多测点数据相关性的缺失值填补算法:基于各测点时间尺度的相关性,将满足一定相关度的时间序列作为预测模型的输入项,并引入迭代技术实现多测点的缺失值自动填补。为验证该算法对实际工程中不同类型缺失数据集的适用性,依据实测数据样本在缺失率、集中度、离散程度3个层次上共构造了12种不同类型的缺失数据集并进行试验。结果表明:针对不同类型的缺失数据集,该算法的RMSE均值在填补精度上较传统填补算法提升15%以上,nMAPE均值提升1%以上。

新疆某干渠填筑工法及其稳定性研究

级配不良的风积砂填筑技术可广泛应用于解决工程建设中面临的戈壁料、石料资源匮乏问题。为研究风积砂的填筑施工工艺,以新疆某风积砂干渠为例,比选不同的风积砂填筑工法,通过轻型击实试验确定相关施工参数,并对填筑后的干渠进行稳定性分析。结果表明:需用湿压法填筑风积砂,填筑后的风积砂干渠能够满足静力稳定性要求,还应在渠道内部铺设防渗层以满足渗流稳定性要求。

我国油气资源量—储量—产量关系解析:兼评全国油气资源评价发展方向

为了加深对资源量、储量、产量三者的内涵和实质关联的正确理解,从理论逻辑和实际转化两个角度对三者的关系作了深入的剖析和阐述,并结合应用现状分析,提出了资源评价方面发展方向建议。资源量、储量、产量是不同认识程度下的油气矿产资源的数量表征参数,我国的储量与资源量呈并列关系,与产量呈包含关系,资源量与储量均为地质含义。资源量向储量转化受国家空间规划、矿业权设置、理论技术经济条件等因素的影响;储量向产量转化受储量升级转化、是否转采、采收率等因素的影响。我国在资源量评估与发布的侧重方向,以及资源量、储量、产量量化预测关系等方面研究尚不足,这也是形成“我国资源潜力丰富,但增储上产难度大”资源现状认知困惑的重要原因。资源评价内容及结果应用分析的丰富和发展,有助于形成对油气资源现状的全面深入的认识。应从对评价结果进行可动性分级、加强(待发现)可采资源量评价、强化成果应用分析等方面进一步探索发展。

农业大数据与信息化基础设施发展战略研究

农业大数据与信息化基础设施是发展现代农业的重要基础、新时期农业增长新的要素、建设智慧农业的根本前提,起着桥梁和基石的重要作用。本文基于智慧农业发展战略需求与挑战,系统分析了我国农业大数据与信息化基础设施的发展现状、存在问题,总结了国内外相关政策、行动计划和经验做法,研究提出了2025、2035年、2050年发展农业大数据与农业信息化基础设施的战略目标和发展思路,绘制了未来发展技术路线图。研究提出,推进农业全产业链大数据发展,科学规范农业大数据体系建设,建设一体化的数据开放共享机制;突破农业大数据关键共性技术,深化农业大数据应用;建设农业大数据产业基地,打造农业大数据的应用生态集群;统筹城乡资源,建设城乡一体的信息化基础设施,构建万物互联、人机交互、天空地海一体化的农业农村网络空间。为此建议,强化总体布局,加强农村网络基础设施建设和数字化改造,加强芯片、模型组件、基础信息系统等底盘性基础研发;加大核心技术攻关投入,突破农业大数据获取、分析、服务关键核心共性的卡脖子技术;加强体制机制协同创新,打通农业数据纵横双向通道标准化和一体化共享;强化高水平信息化人才队伍建设,为加快实现智慧农业强国提供基础支撑。