通过计算黄河淡水在渤海内部的水龄变化,能够进一步了解由黄河口排出的溶解性污染物在渤海中的输运时间和分布规律。利用ROMS(Regional Ocean Modeling System)数值模型,加入了基于CART(the constituent-oriented age and residence tim...通过计算黄河淡水在渤海内部的水龄变化,能够进一步了解由黄河口排出的溶解性污染物在渤海中的输运时间和分布规律。利用ROMS(Regional Ocean Modeling System)数值模型,加入了基于CART(the constituent-oriented age and residence time theory)方法计算水龄的模块,用于计算黄河淡水水龄在渤海的分布以及长期变化规律。模式较好地再现了渤海物理场以及黄河淡水水龄在渤海中的分布。模拟结果显示水龄在空间分布上差异很大,莱州湾平均水龄为700天,而辽东湾则高达1760天。渤海中部与辽东湾水龄时空分布表现出季节变化,冬季辽东湾水龄西低东高,高龄水自辽东湾东侧入侵渤海中部;夏季辽东湾水龄西高东低,渤海中部低龄水占优。黄河淡水水龄在年际时间尺度上存在明显差异,1998—2003年黄河淡水水龄较高且存在上升趋势,而2003—2007年则迅速下降,此变化主要由黄河入海径流量的改变导致;径流量增大会使淡水水龄降低,反之则会使水龄升高。黄河径流量对黄河淡水水龄的影响主要是通过改变目标区域黄河淡水浓度和低龄淡水质点在水团中所占的比例来实现的。展开更多
针对长江中下游稻区不同粳稻品种,以不同纬度多个地点的860份稻米样本为材料,基于11项食味品质指标,运用主成分分析、多元线性回归、偏最小二乘法、判别分析、分类回归树(classification and regression free,CART)决策树与反向传播(bac...针对长江中下游稻区不同粳稻品种,以不同纬度多个地点的860份稻米样本为材料,基于11项食味品质指标,运用主成分分析、多元线性回归、偏最小二乘法、判别分析、分类回归树(classification and regression free,CART)决策树与反向传播(back propagation,BP)神经网络分别建立稻米食味品质等级预测模型,通过验证模型的准确性与稳定性,筛选出适合稻米食味品质综合评价的方法或模型。结果表明:BP神经网络模型的2次验证准确度与稳定性均最高,预测准确率分别为92.68%与92.31%;偏最小二乘法模型的2次预测准确率均在80%以上(分别为80.49%、87.18%),但2次验证结果相差较大(6.69%);判别分析与多元线性回归模型的平均预测准确率相近(分别为80.12%、78.77%),但判别分析模型的稳定性优于多元线性回归模型;主成分分析模型的平均预测准确率最低(67.32%),且2次验证结果差异也较大(8.94%);CART决策树模型的稳定性最差,2次验证准确率分别为53.66%与89.74%,相差达36.08%。因此,利用BP神经网络模型预测稻米食味品质等级具有较高的准确性与稳定性,可为长江中下游稻区稻米食味品质综合评价与优质食味水稻品种的筛选提供理论与方法支持。展开更多
针对传统损伤检测方法难以准确识别桥梁结构损伤程度的不足,利用分类回归树(classfication and regression tree,CART)算法在数据挖掘方面的优势,通过计算基尼系数选取合适的特征对数据样本进行分类,提出一种损伤检测方法对桥梁的损伤...针对传统损伤检测方法难以准确识别桥梁结构损伤程度的不足,利用分类回归树(classfication and regression tree,CART)算法在数据挖掘方面的优势,通过计算基尼系数选取合适的特征对数据样本进行分类,提出一种损伤检测方法对桥梁的损伤动力信息进行学习分类。首先利用附加质量方法构建结构动力响应数据集,计算附加质量的模态应变能指标ξ,对结构损伤进行定位;然后将ξ作为决策树的特征,输入到CART算法中进行训练,对损伤程度进行分类和识别,并对该方法进行抗噪性验证,最后通过简支梁和连续梁算例进行验证分析。研究结果表明:基于附加质量的损伤识别指标能准确定位损伤,且CART算法能够有效识别桥梁结构的损伤程度,在2%、5%噪声水平下,2种算例的损伤程度识别准确率分别达到99%、95%和95%、90%以上,具有较高准确率和较强鲁棒性;该方法为桥梁结构损伤程度识别提供了一种新的参考。展开更多
文摘通过计算黄河淡水在渤海内部的水龄变化,能够进一步了解由黄河口排出的溶解性污染物在渤海中的输运时间和分布规律。利用ROMS(Regional Ocean Modeling System)数值模型,加入了基于CART(the constituent-oriented age and residence time theory)方法计算水龄的模块,用于计算黄河淡水水龄在渤海的分布以及长期变化规律。模式较好地再现了渤海物理场以及黄河淡水水龄在渤海中的分布。模拟结果显示水龄在空间分布上差异很大,莱州湾平均水龄为700天,而辽东湾则高达1760天。渤海中部与辽东湾水龄时空分布表现出季节变化,冬季辽东湾水龄西低东高,高龄水自辽东湾东侧入侵渤海中部;夏季辽东湾水龄西高东低,渤海中部低龄水占优。黄河淡水水龄在年际时间尺度上存在明显差异,1998—2003年黄河淡水水龄较高且存在上升趋势,而2003—2007年则迅速下降,此变化主要由黄河入海径流量的改变导致;径流量增大会使淡水水龄降低,反之则会使水龄升高。黄河径流量对黄河淡水水龄的影响主要是通过改变目标区域黄河淡水浓度和低龄淡水质点在水团中所占的比例来实现的。
文摘针对长江中下游稻区不同粳稻品种,以不同纬度多个地点的860份稻米样本为材料,基于11项食味品质指标,运用主成分分析、多元线性回归、偏最小二乘法、判别分析、分类回归树(classification and regression free,CART)决策树与反向传播(back propagation,BP)神经网络分别建立稻米食味品质等级预测模型,通过验证模型的准确性与稳定性,筛选出适合稻米食味品质综合评价的方法或模型。结果表明:BP神经网络模型的2次验证准确度与稳定性均最高,预测准确率分别为92.68%与92.31%;偏最小二乘法模型的2次预测准确率均在80%以上(分别为80.49%、87.18%),但2次验证结果相差较大(6.69%);判别分析与多元线性回归模型的平均预测准确率相近(分别为80.12%、78.77%),但判别分析模型的稳定性优于多元线性回归模型;主成分分析模型的平均预测准确率最低(67.32%),且2次验证结果差异也较大(8.94%);CART决策树模型的稳定性最差,2次验证准确率分别为53.66%与89.74%,相差达36.08%。因此,利用BP神经网络模型预测稻米食味品质等级具有较高的准确性与稳定性,可为长江中下游稻区稻米食味品质综合评价与优质食味水稻品种的筛选提供理论与方法支持。
文摘针对传统损伤检测方法难以准确识别桥梁结构损伤程度的不足,利用分类回归树(classfication and regression tree,CART)算法在数据挖掘方面的优势,通过计算基尼系数选取合适的特征对数据样本进行分类,提出一种损伤检测方法对桥梁的损伤动力信息进行学习分类。首先利用附加质量方法构建结构动力响应数据集,计算附加质量的模态应变能指标ξ,对结构损伤进行定位;然后将ξ作为决策树的特征,输入到CART算法中进行训练,对损伤程度进行分类和识别,并对该方法进行抗噪性验证,最后通过简支梁和连续梁算例进行验证分析。研究结果表明:基于附加质量的损伤识别指标能准确定位损伤,且CART算法能够有效识别桥梁结构的损伤程度,在2%、5%噪声水平下,2种算例的损伤程度识别准确率分别达到99%、95%和95%、90%以上,具有较高准确率和较强鲁棒性;该方法为桥梁结构损伤程度识别提供了一种新的参考。
