机器主动学习技术在船舶和海工结构非线性水动力响应长期预报中的应用研究

提出一种对船舶和海工结构非线性水动力响应进行长期预报的新方法,利用高斯过程回归(GPR)和贯序取样技术,建立机器主动学习模型,实现对非线性长期极值响应贡献度最大的少数海况的贯序识别,以及对GPR模型训练集的持续更新。通过对GPR模型的迭代训练,使长期极值响应的预测值快速向真实值收敛,避免在整个海况域内进行非线性时域水动力计算。采用所研发的机器学习模型,对两型大型集装箱船的非线性水动力长期响应极值进行预报,以验证模型的高效性和准确性;并通过敏感性分析,对初始训练集数据的选择给出建议。模型对非线性问题具有广泛适用性,可以在适应性改造的基础上解决船舶及海工结构其它非线性响应的预报问题。

柏大蚜空间分布型的研究及其应用

在抽样调查的基础上 ,计算出柏大蚜 (CinaratuiafulinaDel.Guercio)的 4种聚集度指标 ,从而确定了柏大蚜在空间为聚集型分布 .同时讨论了柏大蚜的空间分布型在序贯取样中的应用 ,也对其在不同密度下的最适抽样数进行了研究 ,为以后在试验设计中的取样技术提供理论依据 .

食芽象甲成虫在陕北枣园的空间分布格局

为有效防控食芽象甲Scythropus yasumatsui K8no et Morimoto在陕西榆林地区枣园的危害,在田间调查的基础上,使用Iwao回归分析法、Taylor幂法则和5种常用指标参数,探明了成虫在不同枣园样地中的分布格局、理论抽样数及成虫的序贯抽样方法。食芽象甲成虫在枣树上的空间格局为聚集型,个体间相互吸引,其聚集性随密度的增大而增加。对成虫进行序贯抽样,当每株成虫达到30头,置信水平为1.96时,序贯抽样进行抽样的防治下限与上限方程分别为:d_0=30n-34.33n^(1/2)和d1=30n+34.33 n^(1/2),当调查10株枣树上的虫数超过409头时,需要进行防治。食芽象甲成虫空间分布型及抽样方法的确定,对于揭示该虫的种群空间结构动态,提高田间测报准确率及防治效果都具有十分重要的意义。