党的十八大以来我国金融支农政策的演进特征与发展趋势

以党的十八大以来中央层面颁布的324份政策文件为研究对象,基于政策文献计量和内容分析法,从政策发文变迁、发文类型、发文部门、主题演化、作用对象共五个维度分析我国金融支农政策的演进特征与发展趋势,发现:党的十八大以来金融支农政策文件在数量上整体呈现递增趋势,绝大多数以意见和通知的形式颁发;政策发文主体呈现多元化特征,跨部门联合决策程度较高,但部门间协同性有待提高;政策着力于促进农村产业发展。政策演进具有明显的阶段性特征:精准脱贫阶段,政策聚焦于创新金融扶贫机制,以促进农户脱贫增收;乡村振兴阶段,政策聚焦于深化农村金融供给侧改革、健全农村金融服务体系,以巩固拓展脱贫攻坚成果同乡村振兴有效衔接。

基于机器视觉的陈皮热泵干燥含水率预测模型研究

为定量预测陈皮热泵干燥过程中含水率的变化,基于机器视觉技术提取陈皮干燥过程中的图像特征,建立含水率预测模型。采集不同干燥时期的陈皮图像,采用图像处理的方法对陈皮图像进行预处理操作,提取陈皮图像的6个颜色特征和6个纹理特征共计12个图像特征,分析特征参数和含水率变化关系,将相关图像特征作为模型的输入,陈皮的含水率作为模型的输出,分别建立基于BP神经网络和支持向量机的陈皮干燥含水率预测模型进行对比分析,得到不同干燥时期含水率最佳预测模型。结果表明,支持向量机的预测效果更好,准确率达到99.01%,均方误差达到0.006 5,模型运行稳定,含水率预测结果准确且快速,能够为陈皮干燥过程中的含水率在线预测提供科学依据。

基于Stacking算法集成学习的页岩油储层总有机碳含量评价方法

总有机碳含量(TOC)是页岩油储层评价的重要参数,而传统总有机碳含量测井评价方法精度较低且普适性较差,机器学习模型在一定程度上提高了总有机碳含量预测精度,但结果存在不稳定性。为了进一步提高页岩油储层总有机碳含量预测精度,基于有机质岩石物理特征和不同总有机碳含量测井响应特征的深入分析,优选出深侧向电阻率、声波时差、补偿中子和密度测井曲线作为总有机碳含量的敏感测井响应,并将其作为输入特征,以岩心分析总有机碳含量作为期望输出值,分别建立了决策树模型、支持向量回归机模型、BP(Back Propagation)神经网络模型,并建立了以决策树模型为基模型、支持向量回归机模型为元模型的Stacking算法集成学习模型。利用B油田A区块的岩心样本数据和实际井数据对不同模型预测总有机碳含量结果进行了验证,结果表明,基于Stacking算法的集成学习模型的总有机碳含量预测精度最高,相较于决策树模型、支持向量回归机模型、BP神经网络模型和改进的ΔlgR法,预测精度有较大提高。因此,基于Stacking算法的集成学习模型为该研究区最有效的总有机碳含量计算方法,这为准确地评估页岩油储层的生烃潜力、确保页岩油储层的高效开采及资源利用奠定了基础。

基于机器学习的马铃薯叶片叶绿素含量估算

为了提高马铃薯叶绿素含量估算模型的精度,使用无人机平台搭载多光谱相机,获取对照处理和干旱处理下马铃薯关键生育期的遥感影像,选取13种植被指数作为叶绿素含量反演模型的输入变量,使用多元线性回归(MLR)、支持向量回归(SVR)、随机森林回归(RFR)、决策树回归(DTR)构建马铃薯叶绿素含量估算模型。首先分析了植被指数与叶绿素含量之间的相关性,结果表明,在对照处理块茎形成期,CIre、GNDVI、NDVIre、NDWI、GRVI、LCI与叶绿素含量之间的相关系数绝对值在0.5以上,且存在显著(p<0.05)或极显著(p<0.01)相关性;在马铃薯其他生育时期,13种植被指数与叶绿素含量之间的相关系数绝对值均在0.5以上,且存在极显著(p<0.001)相关性。然后对MLR、SVR、RFR和DTR等模型的精度进行比较,结果表明:SVR模型在对照处理块茎形成期、块茎膨大期和淀粉积累期的预测效果均是最佳,R 2和RMSE在块茎形成期为0.89和2.11,块茎膨大期为0.59和4.03,淀粉积累期为0.80和3.18;RFR模型在干旱处理块茎形成期、块茎膨大期和淀粉积累期的预测效果均是最佳,R 2和RMSE在块茎形成期为0.90和1.57,在块茎膨大期为0.87和2.16,在淀粉积累期为0.63和3.01。该研究为马铃薯叶绿素含量监测提供一种新的方法,后期可根据不同试验处理选择相应的估算模型。

基于高光谱成像技术的涌泉蜜桔糖度最优检测位置

本文旨在探索涌泉蜜桔糖度的最优检测位置和最佳预测模型,以便为蜜桔糖度检测分级提供理论依据。本文利用波长为390.2~981.3 nm的高光谱成像系统对涌泉蜜桔糖度最佳检测位置进行研究,将涌泉蜜桔的花萼、果茎、赤道和全局的光谱信息与其对应部位的糖度结合,建立其预测模型。使用标准正态变量变换(SNV)、多元散射校正(MSC)、基线校准(Baseline)和SG平滑(Savitzkv-Golay)4种预处理方法对不同部位的原始光谱进行预处理,用预处理后的光谱数据建立偏最小二乘回归(PLSR)和最小二乘支持向量机(LSSVM)模型。找出蜜桔不同部位的最佳预处理方式,对经过最佳预处理后的光谱数据采用竞争性自适应重加权算法(CARS)和无信息变量消除法(UVE)进行特征波长筛选。最后,用筛选后的光谱数据建立PLSR和LSSVM模型并进行分析比较。研究结果表明,全局的MSC-CARS-LSSVM模型预测效果最佳,其预测集相关系数Rp=0.955,均方根误差RMSEP=0.395,其次是蜜桔赤道部位的SNV-PLSR模型,其预测集相关系数Rp=0.936,均方根误差RMSEP=0.37。两者预测集相关系数相近,因此可将赤道位置作为蜜桔糖度的最优检测位置。本研究表明根据蜜桔不同部位建立的糖度预测模型的预测效果有所差异,研究最优检测位置和最佳预测模型可以为蜜桔进行糖度检测分级提供理论依据。

雄安新区建筑地基处理实践与探讨

以雄安新区起步区建筑地基处理工程为例,分析了场地的工程地质和水文地质条件,分别介绍了某多层建筑和某高层建筑的地基处理以及基坑支护的设计与施工情况。通过复合地基静荷载试验和单桩静荷载试验,探讨了复合地基承载力和单桩承载力。从技术与经济两个方面分析比较了高含水率场地CFG复合地基处理方案与灌注桩基础方案优劣。本研究可为下一阶段雄安新区的全面建设提供理论支持和经验借鉴。

基于变分模态分解-布谷鸟搜索-支持向量回归的变压器油中溶解气体浓度预测方法

针对电力变压器油中溶解气体浓度预测过程中存在的时间序列内部复杂和预测困难等问题,研究了时间序列分解预测重构方式,提出变分模态分解,结合布谷鸟搜索-支持向量回归组合预测方法。首先采用VMD将原始溶解气体浓度分解成为一组平稳的模态分量,降低了预测的复杂度。之后利用预测性能较好的SVR对各个模态分量分别进行预测。最后使用CS开展全局搜索对SVR参数进行优化选取,将得到的溶解气体浓度预测结果进行叠加重构。通过对油中溶解气体中H_(2)的仿真实验,得到VMD-CS-SVR组合模型预测结果的均方根误差为0.124μL/L,平均绝对百分比误差为1.19%,有效提升了预测精度。通过对CO和C 2H 4建模预测,进一步验证了本文所提模型的有效性。

幼儿社会情感能力的内涵、核心内容及支持策略

幼儿社会情感能力是指幼儿觉察、识别与管理情绪、与他人有效交往、积极面对与解决问题的能力,是幼儿健康成长、幸福生活的必要条件,也是幼儿素质教育的重要内容。重视幼儿社会情感能力的培养,是当前学前教育改革和提升质量的必然选择,应通过改善亲子关系、提升幼儿教师的社会情感能力、研发幼儿社会情感学习课程、“家—园—社”合作等为幼儿成长构建良好的生态环境,合力促进幼儿社会情感能力的发展。

基于PLSR和LSSVM模型的土壤水分高光谱反演

为对地下采矿扰动区表层土壤水分进行反演,以大柳塔煤矿52501工作面为例,利用无人机搭载成像光谱仪获取高光谱影像,对获取的光谱数据进行对数、倒数对数、一阶和包络线去除变换,结合地面采集的128个土壤水分数据,基于偏最小二乘回归(PLSR)和最小二乘支持向量机(LSSVM)构建土壤水分预测模型并验证其预测精度。结果表明,基于一阶变换的PLSR模型和LSSVM模型预测精度相对较好,一阶变换的PLSR模型建模集R^(2)_(c)和预测集R^(2)_(p)分别为0.7021和0.6405,均方根误差RMSE_(c)和RMSE_(p)分别为1.6384%和1.1034%,相对分析误差RPD_(p)为1.7263;一阶变换的LSSVM模型建模集R^(2)_(c)和预测集R^(2)_(p)分别为0.8125和0.5979,均方根误差RMSE_(c)和RMSE_(p)分别为1.2755%和1.3459%,相对分析误差RPD_(P)为1.6323。最终基于PLSR和LSSVM模型完成了土壤水分的制图,实现了土壤水分的空间预测,为该研究区植被引导修复中土壤水分精准提升提供了空间数据支持。

基于高光谱成像技术对番石榴可溶性固形物的快速测定

目的 研究基于高光谱成像技术对番石榴可溶性固形物(soluble solids content, SSC)的快速测定。方法 通过高光谱成像系统和全自动折光仪获得番石榴的表面反射光谱与SSC信息,选择Savitzky-Golay平滑和标准正态变量变换作为预处理手段,使用主成分分析评估预处理前后光谱的聚类变化。采用区间变量迭代空间收缩法、区间随机蛙跳法、自举软收缩法(bootstrapping soft shrinkage, BOSS)、变量组合集群分析提取特征波长,用于建立比较支持向量回归(supportvectorregression,SVR)和偏最小二乘回归(partialleastsquares regression, PLSR)预测模型。结果 预处理后光谱数据主成分聚类进一步分散, PLSR整体在预测集的回归效果比SVR更好, BOSS-PLSR为最优预测模型,预测集决定系数R_(2)^(p)为0.9216,均方根误差(root mean square error of prediction, RMSEP)为0.2366,剩余预测偏差(residual prediction deviation, RPD)为3.5710。结论 利用高光谱成像技术快速实现番石榴可溶性固形物测量是可行的。

基于太赫兹时域光谱和PCA-SVM算法的甜蜜素含量分析

光谱分析是研究太赫兹(THz)辐射与物质相互作用的重要手段。采用全光纤式THz时域光谱(THz Time-Domain Spectroscopy,THz-TDS)系统测试了不同含量甜蜜素样品的透过率光谱,发现甜蜜素的特征吸收峰位置在1.4 THz和1.7 THz附近;采用主成分分析结合支持向量机(PCA-SVM)的方法建立了甜蜜素含量回归模型,然后将其预测结果与遗传算法结合偏最小二乘(GA-PLS)模型进行分析比较,并引入决定系数(R 2)和预测均方根误差(RMSE)来评价建模效果,对以10%含量梯度制作的样品集进行检测。研究结果表明,采用PCA-SVM、SVM和GA-PLS方法建立的预测模型的RMSE分别为1.885%、1.926%和2.432%。因此,PCA-SVM方法的预测效果最优,且预测数据与实际数据均表现出良好的相关性,获得了效果良好的含量回归预测模型,为甜蜜素含量的检测与分析提供了一种有效手段。

基于不同含水率下的船体支撑垫木力学特性研究

木材广泛应用于船舶建造中,由于露天存放,风吹日晒,含水率差异极大,对垫木的承载能力产生重要影响.文中分析了垫木支撑船体典型作用方式,设计垫木承载能力试验,采用微机控制电子万能试验机测试垫木的载荷-位移曲线.在此基础上,建立非线性动态有限元模型,模拟动载荷作用下垫木结构响应,与试验结果进行对比,得出不同含水率对垫木承载能力的影响,并提出应用建议,可作为船舶建造过程中应用支撑垫木的参考.

安徽省14市失独扶助政策研究——基于NVivo20.0的质性

以Nvivo20.0软件为分析工具,对安徽省14市失独扶助政策文本内容进行比较研究。结果发现:安徽省失独家庭扶助政策工具分布不合理,政策主体参与积极性不高,政策作用影响亟待放大。为了有效为失独家庭提供支持,应完善失独家庭政策设计。包括:合理分布政策工具,推动政策工具分布应用合理化;完善政策参与机制,优化多元政策主体参与路径;发挥政策引导作用,营造良好的政策保障环境。

基于地震属性的瓦斯含量智能预测方法研究

为了实现对煤层中瓦斯含量的精准预测,以中泰矿业二_(1)煤层为研究对象,首先建立煤岩基质模型,来获得基质干骨架模型,在此基础上构建二_(1)煤层的岩石物理模型,依据地质模型提取地震属性,通过灰色关联分析和灰色聚类分析优选最终得到二_(1)煤层的4种地震属性,最后利用灰色支持向量机对二_(1)煤层瓦斯含量进行预测,并和实测瓦斯含量进行对比,验证该方法的有效性。

基于GRA-DBO-SVR的瓦斯含量预测方法

为提高煤层瓦斯含量预测的准确性和效率,提出了一种基于灰色关联度分析(GRA)、蜣螂优化(DBO)算法和支持向量回归(SVR)模型的瓦斯含量预测方法。采用GRA筛选影响瓦斯含量的因素来降低预测模型输入数据的维度,通过DBO算法对SVR模型的参数进行优化,构建基于GRA-DBO-SVR的瓦斯含量预测模型,并对GRA-DBO-SVR、GRA-PSO-SVR、GRA-SVR和SVR模型的预测结果进行对比。结果表明:GRA-DBO-SVR、GRA-PSO-SVR、GRA-SVR和SVR模型的MRE分别为2.82%、2.98%、3.72%和6.02%,MAE分别为0.28、0.31、0.44和0.63,MSE分别为0.17、0.18、0.37和0.90,GRA-DBO-SVR模型具有更好的泛化能力,满足工程实际需要。

利用近红外光谱技术检测固定化脂肪酶酶蛋白含量

利用近红外光谱技术检测固定化脂肪酶的酶蛋白含量,在获得近红外光谱数据后,分别用一阶导数、二阶导数、标准正态变量变换和多元散射校正4种不同预处理方法进行处理,获得最佳的光谱处理方法为标准正态变量变换。利用连续投影算法、竞争性自适应重加权算法、无信息变量消除算法3种不同的波长筛选算法获得特征波长,在此基础上分别用偏最小二乘法、支持向量机回归和BP神经网络3种建模方法建立近红外光谱模型,最终获得最佳的建模方法为标准正态变量变换-支持向量机回归,在此建模条件下,模型决定系数为0.9894,模型均方根误差为0.3178,模型交叉验证决定系数为0.9764,模型交叉验证均方根误差为0.3816,相对分析误差可达6.51。

薄煤层高水充填沿空留巷围岩控制技术应用

为安全高效回收煤柱资源,以中兴煤业3207保护层工作面地质条件为背景,采用现场试验方法,确定了沿空留巷高水充填方案,对充填体大小、充填系统以及流程进行了设计,同时制定了3207运输巷支护设计方案,采用锚杆+锚索+W钢带+单体柱棚联合支护技术保证留巷稳定性。根据留巷内矿压监测结果,顶底板移近量最大为86 mm,变形以底鼓为主,巷帮变形量最大为58 mm,围岩变形均在可控范围内。

基于GRA-GASA-SVM的煤层瓦斯含量预测方法研究

为提升煤层瓦斯含量预测精度,提出一种采用遗传模拟退火算法混合优化支持向量机(SVM)参数的瓦斯含量预测模型(GRA-GASA-SVM模型)。该模型将GA和SA整合为遗传模拟退火算法协同优化SVM的参数,以解决传统网格寻优算法取值范围无法确定和单一智能算法优化程度有限等问题。利用灰色关联分析(GRA)压缩数据集维度,建立瓦斯含量预测参数体系并作为GASA-SVM的输入数据集。结果表明:SVM模型、GA-SVM模型和GASA-SVM模型10折交叉验证瓦斯含量预测总平均相对误差分别为15.98%、13.55%和10.58%。相比SVM模型和GA-SVM模型,GASA-SVM模型预测稳定性更优、预测精准度更高且对新样本泛化能力更强。

基于最小二乘支持向量机的新型电力系统谐波分量预测

电力电子设备在发电、输电、配电及用电各个领域均有广泛应用,在改善居民生活质量与提升工业生产效率的同时,也引入了大量的谐波,造成电力系统谐波污染。电力系统在不同采样点处的谐波含量不同,而最小二乘支持向量机(LSSVM)具有预测精度高、预测效率高等优点,可应用于谐波含量预测。为了验证所提出算法的有效性,搭建了仿真模型,对光伏发电系统、风力发电系统以及储能装置充放电处的电流的谐波含量进行了预测。仿真结果表明:在不同工况下和不同类型的谐波含量下,该算法均具有较高的预测精度。

X-射线衍射测定催化剂及其载体中γ-氧化铝相含量

采用X-射线衍射和SH/T 0625(石油化工行业标准,硅铝催化剂中γ-氧化铝含量测定法X射线衍射法)对6种典型催化剂及其载体中γ-氧化铝相的相对含量(又称相对结晶度)进行测定试验,发现SH/T 0625中步进扫描实验条件有问题,为此在SH/T 0625标准制定工作的基础上,提出改进试验方法,主要是选择步进扫描试验条件。改进方法仍采用外标法测定γ-氧化铝相的相对含量,测定范围35.9%~114.0%,标准偏差(SD)0.7%~1.9%,相对标准偏差(RSD)1.2%~1.8%;测定参比样γ-氧化铝相的相对含量(标称值114.0%)绝对偏差-2.3%~+1.6%(n=10),能够满足相关催化剂及其载体中γ-氧化铝相的相对含量测定的所有工艺技术要求,改进的方法可在石化生产行业推广应用。