潮土区小麦、玉米残体对土壤有机碳的贡献——基于改进的RothC模型

【目的】为进一步了解秸秆还田对土壤有机碳(SOC)的提升效果,探究作物残体(根系与秸秆)对潮土区SOC的贡献,为华北冬小麦-夏玉米区SOC提升提供理论依据。【方法】基于腐解试验的有机物料碳残留率数据,获得4种有机物料在RothC-26.3模型最优时对应的DPM/RPM参数值(易分解植物残体和难分解植物残体的比值)。利用修订的DPM/RPM参数,获得了改进的RothC-26.3模型,并用郑州潮土区短期腐解试验(2012年11月至2013年11月)和长期定位试验数据(1990—2008年)进行验证,模拟出郑州潮土区冬小麦-夏玉米轮作系统中小麦、玉米残体在3种不同施肥处理下(不施肥CK,平衡施肥NPK和秸秆还田NPKS)对新形成SOC的贡献。【结果】在模型达到最优时,小麦根系(wheat root,WR)、小麦秸秆(wheat straw,WS)、玉米根系(corn root,CR)和玉米秸秆(corn straw,CS)的DPM/RPM值分别为0.89、3.04、4.35和3.25。模型结果显示,CK处理小麦根系、玉米根系的碳投入占碳投入的比例均为50%,而来源于小麦根系、玉米根系的SOC(0—20 cm)占新形成的SOC比例分别为60%、40%;小麦根和玉米根固碳效率分别为15.5%、10.8%;NPK处理小麦根系、玉米根系的碳投入占碳投入的比例分别为60%、40%,而来源于小麦根系、玉米根系的SOC(0—20 cm)占新形成SOC的比例分别为71%、29%;小麦根和玉米根固碳效率分别为17.5%、11.4%;NPKS处理小麦根系、玉米根系、玉米秸秆的碳投入的比例分别为47%、21%、32%,而小麦根系、玉米根系、玉米秸秆对新形成的SOC(0—20 cm)贡献分别为50%、22%、28%;小麦根系、玉米根系、玉米秸秆的固碳效率分别为16.9%、11.2%、11.4%。总之,冬小麦-夏玉米轮作系统中无论是不施肥、平衡施肥还是秸秆还田处理,小麦根系对新形成SOC的贡献率(50%—71%)大于玉米根系和玉米秸秆对新形成SOC贡献率(22%—40%)。源自小麦的SOC占新形成SOC的比例均分别大于源自小麦的碳投入占总碳投入的比例,而源自玉米的投入及其对新形成SOC的贡献则反之。小麦根系的固碳效率(15.5%—17.5%)大于玉米根系和玉米秸秆的固碳效率(10.8%—11.4%)。【结论】改进后的RothC模型可用来探究潮土区冬小麦-夏玉米轮作系统中小麦、玉米残体对新形成SOC的贡献。郑州潮土区冬小麦-夏玉米轮作系统中小麦根系对新形成SOC的贡献率均大于玉米根系和玉米秸秆的贡献率。根茬还田(尤其是小麦根茬还田)更有利于提升土壤有机碳含量。

基于两类学习模型的多主体人工股票市场研究

构造了一个由采取基于惯例的学习模型(Roth-Erev模型)和信念学习模型(分类器系统)的两类主体种群组成的人工股票市场模型,该模型的模拟运行结果表明,学习过程是影响资产市场的价格特征的重要因素,当采取不同学习机制的主体数量比例变化时,价格时间序列会表现出不同的统计特征:随机游走过程或异方差性等"格式化的事实".具有创新性的理性更高的主体比例增加未必导致类似理性预期均衡的出现.

某型飞机舱盖关键元件O形密封圈气密性分析

对某飞机舱盖作动筒异常弹出进行分析,原因是油液中的气体导致油液体积弹性模量变小,可压缩性增强,易发生弹出现象。基于IFAS模型得到含气量与油液体积弹性模量的关系。座舱盖液压操纵系统密封区域均采用O形密封圈进行密封,但由于关键元件粗糙表面特征的存在构成气体泄漏通道,导致座舱盖液压操纵系统中混入气体。因此提出了一种基于Roth模型的泄漏率计算方法,将O形密封圈与金属粗糙表面之间的接触关系,看作弹性金属光滑表面和刚性金属粗糙表面之间的接触关系,对金属粗糙度表面轮廓三角峰均一化排列,从而将泄漏路径定义为梯形通道。基于有限元软件ABAQUS计算密封圈的密封性能系数,分析了表面粗糙度及偏载情况对气体泄漏率的影响;最后通过ANSYS仿真分析与理论结果进行对比。该工作对高精密的密封结构加工设计有着重要指导意义。

随机数对基于代理的电力市场仿真实验影响分析

基于代理的仿真已成为电力市场研究的重要方法。目前,强化学习算法在代理中应用的研究已较为深入,通过随机数进行策略选择是强化学习算法的一个重要环节,因此对随机数在其中的影响研究十分必要。文中以Roth-Erev学习算法为例,分析了随机数对电力市场仿真结果的影响,比较了几种随机数生成方法在仿真中应用的优劣。同时,通过深入研究电力市场仿真中随机数与代理的关系,探讨了对随机数性质的要求,提出一种改进方法生成了可重复、高效、均匀的随机数,从而提高了基于代理的电力市场仿真实验的效率和质量。

基于代理的电力市场仿真的实验设计方法探讨

基于代理的计算经济学已经成为电力市场研究的一种重要方法,但是,作为一种新的方法,还有许多问题没有解决,其中一个基本的问题是研究方法的问题,包括仿真实验的设计方法、仿真结果的分析方法等。文中首先给出了电力市场仿真中一些关键概念的定义,然后以电力市场研究中常用的一种代理学习算法——Roth-Erev法为例,基于一个拥有4个发电商的日前电力市场,进行了市场模型、智能代理模型、实验目的及实验方案的设计。设计了3组实验,根据前2个实验的结果,对基于代理的电力市场仿真实验轮数的设定、实验盘数的设定等问题进行了分析和讨论,最后一个实验对Roth-Erev算法中一些参数的选取问题进行了探讨,展示了其在选取时的矛盾性,并从加强学习法的机理上分析了其原因。

管片接缝密封垫接触面泄漏率的数值模拟研究

为从微观角度探究管片接缝密封垫的防水机制,基于Roth模型建立密封垫接触面的泄漏通道模型,推导出泄露率的计算公式;通过建立宏观密封垫数值模型和微观锥型峰数值模型,完成以粗糙度、张开量、错位量和硬度为4个影响因素,以泄露率和平均正压力为评价指标的正交试验。主要结论如下:1)泄露率可以作为评价密封垫防水性能的一个重要指标;2)随着粗糙度的增加,泄露率逐渐增大,尤其是当粗糙度大于0.8μm时,泄露率几乎呈指数型增长,考虑到降低粗糙度会增加工程造价,建议密封垫粗糙度控制在0.4~0.8μm;3)粗糙度直接决定了初始泄漏通道的尺寸,因此,相比于硬度、张开量、错位量3个因素,粗糙度对于泄露率的影响最为显著。

EWA算法在电力市场仿真中的应用

基于代理的计算经济学已成为电力市场研究的一种重要方法,构建智能代理的学习模型是其中的重要研究内容之一。常用的强化学习和信念学习算法各有弊端,为此引进了一种综合了强化学习和信念学习的经验权重魅力值(EWA)算法,将其应用于电力市场仿真研究中,模拟发电商决策行为。基于混合代理和单一代理系统的仿真结果表明,EWA学习算法对市场参与者的行为有更好的描述,在参与者众多的大系统中较Roth-Erev算法更为先进、智能,具备更好的学习性能;EWA算法具备更高的捕捉博弈均衡的能力。

分子流状态平面密封结构漏率预估

本文结合Roth模型建立了分子流状态下的漏率计算模型,得出了平面密封泄漏漏率与密封力矩、密封面粗糙度之间的对应关系,同时还给出为保证分子流状态,密封力矩、密封面粗糙度应满足的条件。在理论计算的同时,还通过实验证明了漏率预估方法的准确性。

基于学习行为的科技数据库用户策略研究

从学习行为的角度探索了科技数据库用户的信息检索行为,分析了信息检索过程中影响用户学习行为的个人因素和环境因素;通过Roth-Erev强化学习模型分析了科技数据库用户的学习机理,并设计了控制实验来量化分析不同因素对用户检索行为的影响;在实验分析的基础上,为数据库产品的完善提出了新的策略建议。

Li_2O-Nb_2O_5-TiO_2体系M-相研究

利用M-相的Roth/Grey模型和XRD数据计算出M-相的晶胞参数、米勒指数l的分裂因子δ,并精修了组成为x=0.1、y=0.1(LiNb0.6Ti0.5O3)样品的XRD特征谱线数据;以此进一步的讨论了晶胞参数随组成的变化关系,随x,y的值增加晶胞参数a逐渐增大,而c却逐渐减小;研究还发现LN层与[Ti2O3]2+层沿c轴方向交替生长出现同层结构的层数<N>随y值的增加而逐渐减小。

基于探地雷达的田块尺度下不同深度土壤含水量监测

为确定田块尺度下探地雷达对不同深度及相邻反射层间土壤含水量的反演精度、有效反演深度、最佳反演深度及最优反演模型,本研究采用1000 MHz中心频率探地雷达设备,分别在无降雨偏干旱土壤和降雨后湿润土壤两种条件下,在选定农田区域基于共中心点法采集雷达波数据,提取有效地表波与反射波数据,通过双曲线拟合法分别获取不同深度反射层雷达波的传播速度,计算得出土壤的相对介电常数,最后根据土壤体积含水量和介电常数之间的经验模型计算获得不同深度的土壤体积含水量。通过Topp、Roth、Herkelrath和Ferre四种经验模型分别进行土壤体积含水量反演测定,同时以利用烘干法获取的代表性测定土壤含水量实测值为指标进行精度验证。田间试验结果表明,1000 MHz探地雷达的有效反演深度范围为0~50 cm;土壤偏干旱和偏湿润条件的最佳反演深度分别为50 cm和40 cm;Roth模型相关性最好,决定系数R2最高为0.750,且Roth模型反演土壤含水量值最稳定,在土壤偏干旱和偏湿润条件下均方根误差(Root Mean Square Error,RMSE)平均值分别为0.0401 m;/m;和0.0335 m;/m;相对误差(Relative Error,RE)最低为3.0%。探地雷达具备对定量深度田间土壤含水量快速、精准监测的能力,但其反演模型需根据不同土壤类型等条件进行相应参数校正。

基于有限理性的期望强化学习算法在电力市场中的应用

在分析电力市场时,一般有效的工具是博弈论知识,经典博弈论研究的是理性的决策者.但实际上发电公司在决策时不可能采取完全理性的行为,即决策者的行为总是有限理性的,这是与现实相接近的,能更好的解释现实情况.因此以有限理性为分析前提,用期望强化学习算法来研究发电商行为的多样性给市场带来不同的均衡状态是有意义的.