基于生态效应的水稻籽粒蛋白质含量预测模型研究

在中国、日本、泰国不同生态环境下进行多品种籼型和粳型水稻(Oryza sativa)的区域种植试验,通过分析水稻籽粒蛋白质含量与纬度、海拔、抽穗后温度和太阳辐射等气候生态因子的相互关系,确立了影响水稻籽粒蛋白质积累的主要气候生态因子函数,并使用权重系数来进一步修订各气候生态因子对水稻籽粒蛋白质的作用,构建出基于生态效应(主要气候生态因子函数)的水稻籽粒蛋白质含量预测模型。利用不同年份、不同生态点、不同品种类型的试验资料对所建模型进行了检验,籼稻和粳稻籽粒蛋白质含量的预测误差RMSE平均分别为0.27%和0.24%;籼稻试验点和粳稻试验点的预测误差平均为0.25%和0.22%,表明模型总体上具有较好的预测性和实用性。

基于近红外、中红外技术结合光谱融合的热毒宁注射液含量预测模型

该文基于近红外光谱(near-infrared spectroscopy,NIRS)技术、中红外光谱(mid-infrared spectroscopy,MIRS)技术以及光谱融合技术建立快速测定热毒宁注射液(Reduning Injectin,RI)中绿原酸、新绿原酸、隐绿原酸、栀子苷、断氧化马钱子苷含量的方法。该研究通过考察6种预处理方法和5种变量筛选方法,选择最佳方法建立2种单一光谱的偏最小二乘(partial least square,PLS)模型。同时对近红外、中红外光谱进行等权融合和特征波段融合,建立PLS模型。对比4种模型对质控成分的预测效果:NIRS>特征波段融合>MIRS>等权融合,5种质控成分NIRS模型的预测相对偏差(relative standard error of prediction,RSEP)均低于2.5%,性能偏差比(ratio of performance to deviation,RPD)均大于9.5。研究表明,NIRS单一光谱模型是较优的定量检测方法,NIRS结合PLS模型可用于对热毒宁注射液的快速检测。

瓦斯含量地质预测的自适应神经网络技术研究

以新汶矿区协庄矿11煤层为研究对象,筛选出影响瓦斯含量的主要地质指标,利用自适应神经网络技术建立了瓦斯含量预测模型,结合实验数据,对预测模型进行训练、检验。结果表明:此方法可行,模型可靠,计算精度高,具有较大的实用价值。

高氮奥氏体不锈钢中氮含量的预测及控制研究现状

低成本、高强度、高耐蚀性、高组织稳定性的高氮奥氏体不锈钢广泛应用于国防、船舶、石油化工、医疗等领域。但高氮奥氏体不锈钢在冶炼、加工、热处理过程中仍然存在较多问题,特别是钢中氮含量的预测和控制作用机理仍然不明确。以Mn-Cr及Mn-Cr-Ni系高氮奥氏体不锈钢作为研究对象,围绕钢中氮含量预测和控制,对影响高氮奥氏体不锈钢中氮含量的因素进行综述。

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HRS和GIS的城市污染场地动态监测原理分析

选择有代表性的城市场地,运用网格法土壤采样,并通过实验室化学分析得出土壤的重金属等污染物质含量,运用地物光谱仪在实验室设定条件下测定土壤反射光谱,应用偏最小二乘法(PLS)建立高光谱遥感(HRS)影像定量反演模型,预测场地土壤中各种污染物的含量,并在遥感影像中直观表示。结果表明,HRS技术能提供大量、连续性的光谱信息;PLS模型为大尺度城市场地污染快速评价与监测提供了可能性;并通过结合G IS技术可实现城市污染场地的动态监测,为城市公共管理提供决策支持。

煤矿工作面残余瓦斯含量预测

煤层预抽后残余瓦斯含量过高致使工作面回采过程中瓦斯突出及瓦斯涌出现象频发,存在极大瓦斯爆炸、火灾等隐患.为有效控制煤层预抽后工作面残余瓦斯含量,以林华煤矿为例建立9#煤层预抽后工作面残余瓦斯含量预测模型.在粗糙集等理论基础上利用Weka软件,通过SVM分类机、BP神经网络和NaiveB ayes分类器,分析验证各因素对残余瓦斯含量的影响,获得12组待测样本预测结果的准确率;随之进行详细精度,混淆矩阵和节点错误率分析,得出SVM分类机在瓦斯残余含量的预测上最为精准;最后通过MATLAB软件实现PSO算法对SVM的优化,提高预测精准度,得出最终预测结果.

鹿台山煤矿2号煤层瓦斯地质区划

煤层瓦斯不均衡赋存是制约煤矿瓦斯安全管理的主控因素,准确合理的瓦斯地质区划是有效进行瓦斯防治的基础和保障。基于瓦斯地质区划理论方法,综合分析影响鹿台山煤矿3号煤层瓦斯赋存的主要地质因素,采用多元线性回归、数量化理论I、构造关联度分区等方法,筛选出影响2号煤层瓦斯含量的地质变量包括煤层埋深、围岩透气性和褶皱平面变形系数3个主要地质指标,建立了瓦斯含量预测的数学模型并对预测模型进行了理论和实践验证,模型精度较高。在此基础上利用瓦斯含量预测模型对2号煤层瓦斯含量进行预测和瓦斯地质区划。经实践验证,瓦斯地质区划结果符合实际地质情况。

近红外漫反射光谱法结合CP-ANN和PLS高通量分析草麻黄药材

目的:建立草麻黄药材的近红外漫反射光谱高通量分析方法。方法:测量草麻黄样品的近红外漫反射光谱(near infra-red diffuse reflectance spectra,NIRDRS),应用化学计量学技术进行光谱处理和数据预处理,分别建立并验证草麻黄药材的产地和采摘时间判别对向传播人工神经网络(counter-propagation artificial neural network,CP-ANN)模型及麻黄碱和伪麻黄碱含量预测偏最小二乘(partial least square,PLS)模型。结果:草麻黄药材的产地和采摘时间判别CP-ANN模型的验证样品预测准确率分别为100.0%和80.0%;麻黄碱和伪麻黄碱含量预测PLS模型的验证样品预测均方根误差(root mean square errors ofprediction,RMSEPs)小,分别为1.12和0.236,预测值与参考值的相关系数(correlation coefficients)大,分别为0.9721和0.9309。结论:采用所建方法能同时对草麻黄药材的产地和采摘时间进行准确判别,对其麻黄碱和伪麻黄碱的含量进行准确预测。该方法准确、快速,无需特殊的样品处理,也不使用化学试剂。