基于作物生长模型参数调整动态估测夏玉米生物量

针对如何利用作物生长模型定量解析区域夏玉米生物量动态变化的热点问题,该文在沿东海岸的江苏省盐城市大丰区设置大田夏玉米生物量估测试验,在构建夏玉米生物量过程模拟模型的基础上,对夏玉米多个生育阶段的生物量(指地上部生物量)及其变化特征进行分析,并结合试验实测数据探讨利用实测叶面积指数和生物量数据调整生物量模拟模型参数的可行性。结果表明:夏玉米生物量过程模拟模型可以对夏玉米从出苗到灌浆期间的多个生育阶段生物量动态变化进行估测。出苗到拔节前的生长阶段,生物量积累主要来源于叶片形成,模拟模型可以对生物量进行有效预测,预测值与实测值之间的均方根差(root mean square error,RMSE)为18.31 kg/hm^2,相对误差为3.35%。拔节到抽雄前的生长阶段,由于茎节伸长与节数增加,生物量积累加快,预测值与实测值之间的差异较大。拔节初期生物量预测值为535.5 kg/hm^2,实测值为480 kg/hm^2,相对误差11.56%。抽雄前生物量预测值为7 036.46 kg/hm^2,实测值为5 794 kg/hm^2,相对误差21.44%。拔节到抽雄前生长阶段预测值与实测值之间的RMSE为825.94 kg/hm^2。经过模型参数调整,抽雄前生物量预测值为6 036 kg/hm^2,与实测值较为接近,RMSE为219.43 kg/hm^2,相对误差4.18%。利用参数调整后的模拟模型继续对抽雄到灌浆前生长期间生物量进行预测,预测值与实测值较为一致,灌浆期生物量预测值为11 156 kg/hm^2,实测值为10 785 kg/hm^2,相对误差3.44%,而参数调整前预测值为12 492 kg/hm^2,相对误差15.83%。在玉米拔节期进行模型参数调整,对拔节到抽雄和抽雄到灌浆2生长阶段的生物量预测效果较好。该研究可为县域夏玉米不同生长阶段生物量及其动态变化预测提供参考,可辅助县域农业管理部门进行适时生产措施调整。

基于DACO-Bi-LSTM的交通流量预测

针对交通流量预测任务存在预测精度低、泛化性不足且对深度学习模型调参不全面等问题,提出了一种基于改进蚁群优化算法的双向LSTM交通流量预测模型,利用改进蚁群算法的全局寻优能力对Bi-LSTM网络的层数、神经元个数、批次大小、训练次数进行优化调参。在英国高速公路和深圳政府开放平台发布的宝安区日车流量两个公开数据集上进行实验,以RMSE、MAE为评估指标,结果表明:DACO-Bi-LSTM模型具有较强的寻优能力,同时表现出更好的预测性能。

一种适用于海上风机监测数据实时处理的方法研究

海上风机监测异常数据实时处理,对于风机结构体系功能与安全状态的分析评价,具有十分重要的意义。但现阶段对于异常数据实时处理方法的研究还有待完善。本文结合风机实时监测数据特点,采用具有自动调整参数功能的AR(n)模型预测算法进行异常数据实时处理,对处理机制进行了分析。应用该方法对某海上风机实时采集风速及多种传感器监测数据进行了处理,讨论了该方法的精度及处理效率,验证了该方法对于处理风机异常监测数据的有效性和适用性。