烟蚜自然种群聚集与扩散趋势的初步研究

本文采用空间格局分析方法,从烟草移栽到烟叶采收,对烟蚜Myzus persicae(Sulzer)在烟株和烟株上、中、下三个部位的聚集和扩散趋势,采用Mont Lloyd给出的方法,并结合Iwao的m-m回归分析法和m-m的改进模型进行判断分析。结果表明,六月下旬和七月中旬是烟蚜在烟株上的两个聚集高峰期。烟蚜在烟株不同部位的聚集和扩散趋势有所不同。整株烟株和上、中、下部烟蚜都呈聚集分布。分析结果对指导烟蚜防治有一定帮助。

油松毛虫幼虫、蛹种群聚集动态的分析

本文用灰色聚类分析、模糊聚类分析方法研究油松毛虫(Dendrolimustabulaeformis)幼虫、蛹种群的聚集动态。两种聚类分析方法综合分析结果表明:油松毛虫从越冬幼虫至蛹的种群聚集动态过程可分为:高度聚集,中等聚集程度和低聚集度三个阶段,它们各自相应的生物学阶段是:“刚刚上树期”,“上树后重新分布,扩散期(死亡率较高期)”,“取食盛期”以及蛹期,其中前二个阶段为“高聚集度”阶段。

车辆前纵梁封板冲压的聚集度自适应粒子群优化

为了提高车辆前纵梁封板的冲压件质量,提出了基于聚集度自适应粒子群算法的冲压工艺优化方法。介绍了前纵梁封板的三维模型、坯料设计结果和冲压成形原理。基于成形极限曲线,以减小冲压件的减薄率、增厚率、回弹量为目标,建立了多目标优化模型。使用复合中心实验法设计了5因素5水平的32组实验,基于Autoform软件获得了实验数据。使用BP神经网络拟合了输入输出间的回归关系,并验证了回归模型的精度。在粒子群算法基础上,依据粒子相似度和种群聚集度,将Levy飞行融入到粒子群算法中,提高粒子多样性和算法优化能力,从而并提出了聚集度自适应粒子群算法。将改进粒子群算法应用于多优化模型求解,改进粒子群算法收敛速度早于传统算法,且改进粒子群算法搜索的目标函数值比传统算法减小了3.71%,说明了改进算法的优越性。经验证,优化后的试制件外观合格,减薄率、增厚率及回弹量均满足质量要求,可以进行批量生产。

秦岭大熊猫种群扩散格局及研究方法

种群扩散格局是研究种群扩散规律和机制的关键信息,也是制定物种保护对策的重要基础。大型动物种群扩散格局研究方法为扩散生态学研究的薄弱领域,并制约扩散生态学的发展。以秦岭大熊猫为研究对象,根据2000年以来的种群调查数据,基于大熊猫领域的特性,利用GIS的扩展区分析功能和景观分析方法研究了大熊猫种群分布区及动态;基于聚集的特性,利用GIS的核密度分析功能对大熊猫种群多度和聚集状况及空间变化进行了分析。发现2012年的秦岭大熊猫种群分布区较2000年增加5.5%(即15307.8hm^2),高密度种群聚集区从2处变成1处,种群聚集程度进一步增加、聚集格局的完整性大大提升,尤以中密度聚集区增长最显著,种群格局呈明显的分布区扩张、聚集度增加的态势。表明基于物种的生物学特性,立足于种群分布和多度格局变化,通过长期调查和监测可以有效掌握物种的种群扩散格局;大型动物可根据其生物学特性探索可行的方法与量化种群扩散的参数来研究其扩散格局,从而促进大型动物种群扩散研究的开展。

闽清黄槠林自然保护区福建青冈的种群特征

选择福建闽清黄槠林自然保护区的福建青冈(Cyclobalanopsis chungii)群落为研究对象,采用相邻格子法分别对其群落结构、物种组成、演替方向,及其优势木福建青冈种群的年龄结构和分布格局等进行研究.结果表明,福建青冈林分层次明显.群落物种丰富度和多样性指数大小排列:草本层>灌木层>乔木层.其均匀度指数大小排列:灌木层>草本层>乔木层.群落中福建青冈的重要值最高,但实生幼苗极少;福建青冈种群在主林层中占有明显优势,在演替层和更新层中的频度较低,分别为0.08和0.25;其年龄结构呈纺锤型,中树个体数量达842株.hm-2,幼树和大树的个体数量较少,幼龄、中龄和成龄个体均呈聚集分布,种群更新不良,呈衰退趋势.

封山育林对蒙古栎林主要乔木种群的分布格局与径级结构的影响

对不同封育时间、不同坡向的蒙古栎(Quercusmongolica)林主要乔木树种的分布格局与径级结构进行了分析,结果表明:蒙古栎、黄榆(Ulmuslaciniata)种群均为聚集型分布;蒙古栎和黄榆种群的聚集强度在不同封育时间内表现不同的变化,总体上看种群聚集强度均呈下降趋势.在封育初期,黄榆种群比蒙古栎种群的聚集强度更大,随着封育时间的延长,黄榆种群的聚集强度下降,呈扩散趋势.在封育5年样地内,蒙古栎、糠椴(Tiliamandshurica)和黄榆种群的数量均随着径级的增加而单调下降,表明均为增长型种群;在封育16年以后,由于林内乔木层的盖度较大,糠椴和黄榆种群均呈不同程度的衰退,逐步成为蒙古栎的伴生种群;封育24年样地中蒙古栎种群明显成为优势树种.在阳坡随封育时间延长乔木层盖度增长较快,而阴坡乔木层盖度增长较慢;糠椴和黄榆种群随封育时间延长逐步衰退的现象在阳坡比阴坡表现明显.

斑须蝽种群空间分布格局Weibull分布的拟合

Weibull分布的概率密度函数为f(x) =(c/b) [(x -a) /b]c -1exp [(x a) /b]c ,x≥a。本文首次用于拟合班须蝽三代卵块的空间分布 ,8批抽样数据拟合结果表明班须蝽三代卵块在烟田的空间分布遵循Weibull分布。从而丰富了班须蝽种群空间格局的分布理论。同时 ,利用斑须蝽种群空间格局的资料探讨了Weibull分布的参数b、c与种群密度及种群聚集度之间的关系 ,结果表明 ,尺度参数b与种群密度、种群聚集度间均分别存在极显著的线性相关关系 ,形状参数c与种群密度存在极显著的正幂函数相关关系 ,与种群聚集度之间存在极显著负幂函数关系。

种群空间格局研究的La-m幂法则模型

通过对２２种生物种群资料Ｌａ－ｍ关系的研究，提出一个种群空间格局研究的Ｌａ－ｍ幂法则模型（Ｌａ＝θｍδ），并对模型参数的生物学意义进行了探讨。根据种群聚集临界密度（ｍ０＝θ１／（１－δ）），可对空间格局连续统作出定量描述，按参数δ可将生物种群划分为“聚集度逆密度制约型”、“聚集度密度制约型”和“聚集度非密度制约型”３种类型。与Ｔａｙｌｏｒ模型和Ｉｗａｏ模型相比，Ｌａ－ｍ幂法则模型具有更广泛的适用性和较高的可靠性，能客观、真实地反映出种群空间格局的本质特征，充分显示出它的独到之处。

聚块大小对双斑长跗萤叶甲空间分布的影响

为了明确聚块大小对茶园双斑长跗萤叶甲空间分布的影响,为确定最佳样方面积提供科学依据。用聚块样方方差分析方法和聚集强度指数法研究两种茶园两年双斑长跗萤叶甲空间分布的规律性,聚集格局的差异和种群聚集均数变化。不同大小聚块的均方差均出现1～2个峰值,聚块中有1～8个基本样方(K)时,随着K的增大,聚集格局的扩散系数C和种群聚集均数λ都不断增大,其他格局时C和λ不断变小,聚块内基本样方数K为2、4、8时与K为1时的聚集程度|w|值均小于|w|_(0.05)。茶园双斑长跗萤叶甲存在1～2种不同尺度的聚集空间,空间分布具有规律性,个体群占据最小范围为2个基本样方,即4 m^2,为最佳样方的选择提供了科学依据。

南岳衡山甜槠林群落分析

运用扩散系数(C)、丛生指数(I)、扩散指数(Iδ)、聚块性指数(M*/)、Cassie R.M.指数(CA)等聚集度指标,对南岳衡山甜槠林群落的类型、结构特征、数量特征进行了分析。结果表明:该处甜槠林群落具有群落面积小、分布较孤立、物种组成较少、层次结构明显、群落中甜槠多呈随机状分布的特点。该结果为保护南岳衡山这类原生性的植物群落提供了科学依据。

基于自适应变异算子的差分进化算法

针对差分演化算法易于早熟、收敛速度慢和收敛精度低等问题,提出一种基于自适应变异算子的差分进化算法。给出个体向量粒子及维度层定义,并提出了基于维度层加权的异维维度选择策略,首次将加权异维学习策略引入差分演化算法中,有效地提高了种群的多样性;根据种群聚集度的思想,提出一种基于种群聚集度自适应的变异算子,该算子能依据种群个体当前的种群聚集度自适应地调整DE/best/1变异算子和加权异维学习变异算子的变异权重,加快算法收敛速度、提高其收敛精度。通过在20个典型的测试函数上进行测试,与7种具有代表性的算法相比,结果表明提出的算法在求解精度和收敛速度上具有很大优势,并显示出了非常好的鲁棒性。

基于改进离散粒子群算法的认知无线电频谱分配

原始的二进制粒子算法在认知无线电频谱分配过程中存在收敛速度慢、最优值不理想的问题,并且对二进制粒子群算法在频谱分配过程中的惯性权重参数设置缺乏理论研究。针对这一问题,在分析二进制粒子群算法的基本原理和计算步骤的基础上,探讨了二进制粒子群算法ω最适宜的取值。对原始二进制粒子群算法进行了改进,提出了采用混沌Logistic映射的方式进行初始种群的构造,保证了初始种群在解空间的均匀分布。引入了基于种群聚集度的粒子变异思想,使得新算法与原算法相比,不易陷入局部最优解。仿真结果表明,利用该算法进行认知无线电频谱分配时,收敛速度较快,得到的系统总效益值也较好。

基于特征增强和优化SVM的工控入侵检测

针对工控入侵检测系统数据质量低、模型优化差等问题,提出一种基于特征增强和优化支持向量机(LMDRT-AWPRPSO-SVM)的工控入侵检测方法,从数据和模型两方面进行改进。数据方面,针对工控系统缺乏高质量数据,通过对数边际密度比变换(LMDRT)生成新的数据特征,提高数据的质量;模型方面,为解决SVM参数优化过程中易陷入局部极小等问题,采用种群聚集度指导权重自适应变化和粒子重构策略改进粒子群算法(AWPRPSO),增强优化算法搜索能力。使用工控标准数据集进行实验,其结果表明,该方法提高了数据的质量,优化了SVM模型性能,构建的检测模型在检测精度与训练时间方面均有改善。

基于刺激-响应机制的改进鸡群算法

针对鸡群算法收敛速度慢且容易陷入局部最优的不足,从平衡勘探与开发的角度提出一种基于刺激-响应机制的改进鸡群算法.首先,考虑公鸡的引领作用为其设计勘探和开发两种搜索方程;然后,根据种群聚集度和平均改进度定义执行搜索方程的刺激和阈值;最后,在刺激-响应机制下,公鸡充分发挥引领作用,带领鸡群完成勘探与开发.将改进算法用于基准函数优化和食管癌生存风险预测模型优化,并与其他改进的鸡群算法进行对比,表明了所提出算法的有效性.