为研究撂荒年限对农田土壤的影响,本试验于8月植物生长旺季进行,选取未撂荒农田(CK)、撂荒7年(7a)、15年(15a)和30年(30a)的农田采集土壤样品,室内计算分析土壤理化特征的变化规律,结果表明,撂荒显著提高了土壤容重,降低了土壤孔隙度和...为研究撂荒年限对农田土壤的影响,本试验于8月植物生长旺季进行,选取未撂荒农田(CK)、撂荒7年(7a)、15年(15a)和30年(30a)的农田采集土壤样品,室内计算分析土壤理化特征的变化规律,结果表明,撂荒显著提高了土壤容重,降低了土壤孔隙度和土壤pH。与未撂荒地对比,撂荒显著提高了土壤有机碳(Soil organic carbon,SOC)、全氮(Soil total nitrogen,TN)和全磷(Soil total phosphorus,TP)的含量。因此,长期撂荒对土壤养分状况具有显著改善作用。不同撂荒年限土壤含水量与土壤养分指标均呈显著正相关,长期撂荒下更少的蒸散耗水量减少了土壤水分的损失,使土壤养分得到了积累。本研究可为坝上农牧交错带撂荒地的合理规划提供理论支撑。展开更多
为提高浮动车数据中异常数据检测能力及不同载客状态下的模型检测分析能力,提出基于S-DTA-IIForest(Summation&Difference Third Order Average&Improvement-Isolation Forest)的浮动车数据异常检测算法。构建由相邻两项求和(S...为提高浮动车数据中异常数据检测能力及不同载客状态下的模型检测分析能力,提出基于S-DTA-IIForest(Summation&Difference Third Order Average&Improvement-Isolation Forest)的浮动车数据异常检测算法。构建由相邻两项求和(S)、三阶求和平均差分(DTA)的二维度空间SDTA特征向量;提出差额累计更新和动态区分辨识的改进孤立森林IIForest算法,通过设置停止阈值参数,避免当出现新样本异常值分数大于停止阈值时,仅更新样本不更新孤立森林模型的问题,设计每个二叉树区分辨识度参数,区分辨识度位于停止区间时停止二叉树生长,提高算法收敛性能,以ROC(Receiver Operating Characteristic)曲线下面积AUC(Area Under ROC Cure)、F1-score为指标对模型精度进行对比分析,并以重庆市中心城区学府大道开展实例验证。结果表明:本文S-DTA-IIForest组合算法AUC、F1-score分别为86.63%、0.89,AUC较传统孤立森林IForest(Isolation Forest)提高32.4%,运行效率提高1.29%,具有收敛速度更快、精度更高的优势,载客条件下模型AUC、F1-score较未载客分别提高7.7%、10.8%,组合算法对载客数据有更高的检测精度,且未载客状态数据异常率较载客状态增加71.4%,未载客数据异常率更高。展开更多
文摘为研究撂荒年限对农田土壤的影响,本试验于8月植物生长旺季进行,选取未撂荒农田(CK)、撂荒7年(7a)、15年(15a)和30年(30a)的农田采集土壤样品,室内计算分析土壤理化特征的变化规律,结果表明,撂荒显著提高了土壤容重,降低了土壤孔隙度和土壤pH。与未撂荒地对比,撂荒显著提高了土壤有机碳(Soil organic carbon,SOC)、全氮(Soil total nitrogen,TN)和全磷(Soil total phosphorus,TP)的含量。因此,长期撂荒对土壤养分状况具有显著改善作用。不同撂荒年限土壤含水量与土壤养分指标均呈显著正相关,长期撂荒下更少的蒸散耗水量减少了土壤水分的损失,使土壤养分得到了积累。本研究可为坝上农牧交错带撂荒地的合理规划提供理论支撑。
文摘为提高浮动车数据中异常数据检测能力及不同载客状态下的模型检测分析能力,提出基于S-DTA-IIForest(Summation&Difference Third Order Average&Improvement-Isolation Forest)的浮动车数据异常检测算法。构建由相邻两项求和(S)、三阶求和平均差分(DTA)的二维度空间SDTA特征向量;提出差额累计更新和动态区分辨识的改进孤立森林IIForest算法,通过设置停止阈值参数,避免当出现新样本异常值分数大于停止阈值时,仅更新样本不更新孤立森林模型的问题,设计每个二叉树区分辨识度参数,区分辨识度位于停止区间时停止二叉树生长,提高算法收敛性能,以ROC(Receiver Operating Characteristic)曲线下面积AUC(Area Under ROC Cure)、F1-score为指标对模型精度进行对比分析,并以重庆市中心城区学府大道开展实例验证。结果表明:本文S-DTA-IIForest组合算法AUC、F1-score分别为86.63%、0.89,AUC较传统孤立森林IForest(Isolation Forest)提高32.4%,运行效率提高1.29%,具有收敛速度更快、精度更高的优势,载客条件下模型AUC、F1-score较未载客分别提高7.7%、10.8%,组合算法对载客数据有更高的检测精度,且未载客状态数据异常率较载客状态增加71.4%,未载客数据异常率更高。