基于TW-SVM预测模型的某堆石坝变形预测分析

为提高监测资料有缺失的大坝变形预测模型精度,采用支持向量机方法建立一种具有小样本、高维、非线性的预测模型,并结合对其重要组成部分核函数的分析应用,提出一种根据结构风险最小化的TW-SVM预测模型。以某堆石坝为例进行研究,利用坝坡垂直位移和水平位移的监测数据,分别采用TW-SVM方法和BP神经网络(NET)方法建立相应预测模型进行比较分析。结果表明:采用TW-SVM方法和NET方法预测的垂直位移最大绝对误差分别为0.58 mm和6.18 mm,最大相对误差分别为270.00%和1 286.22%;采用TW-SVM方法和NET方法预测的水平位移最大绝对误差分别为0.25 mm和14.91 mm,最大相对误差分别为31.25%和1 189.85%;TW-SVM预测模型比NET预测模型更适合于影响因素为时间、水位的小样本预测分析。研究结果为堆石坝变形预测与分析提供参考。     

基于局部重要性采样的SAR图像纹理特征提取方法

合成孔径雷达（Synthetic aperture radar,SAR）图像因为相干斑现象和目标响应的空间变化呈现出一种纹理特性,局部二进编码等局部图像特征 在光学纹理描述中获得较好的结果,但光学纹理特征在描述SAR图像纹理特性中因为相干成像特性往往失效. 本文 在前期工作纹理特征框架的基础上,提出了一种局部重要性采样二进编码的SAR图像纹理特征（Feature extraction based on local important sampling binary,LISBF）描述方法:首先,利用样本图像对局部采样位 置进行随机自适应采样,基于重要性采样（Important sample,IS）方法输出递归学习位置结果;然后,利用学习出的纹理重要采样点对进 行二进特征编码;最后,通过映射和统计生成描述算子. 该特征较固定位置采样能够获取更大范围信息,同时能通 过采样避免特征维数的急剧增大;通过自适应学习重要性关键点较随机采样 更容易捕捉纹理固有信息;较好地适应了SAR图像极低信噪比和斑点现象的纹理. 本文将该特征用于真实图像和标准纹理库的分类研究,实验结果证明了该特征的有效性.     

农药多残留分析中QuEchERS方法介绍

主要讨论在农药多残留分析中的一种简便、快速、安全、价格低廉的分析方法——QuEchERS法。该方法的主要步骤是用含1%醋酸的乙腈对样品进行浸提,再加入无水硫酸镁与醋酸钠振荡促使其分层,随后进行分散固相萃取,即将浸提液转移至含有PSA吸附剂、硫酸镁的离心管中,运用Teflon涂层离心管进行离心,取离心液至自动进样瓶用于GC/MS或LC/MS进行测定,并对其稳定性和可靠性进行了分析和评价。同时本方法也可根据可供选择的分析仪器种类、检测限、靶标农药的范围以及使用介质的差异进行适当调整。     

Effects of urea fertigation of apple trees on soil pH,exchangeable cations and extractable manganese in a sandy loam soil in New Zealand

Changes in soil pH, exchangeable aluminium (Al), calcium (Ca), magnesium (Mg), and potassium (K) and extractable manganese (Mn) were investigated after urea fertigation of a sandy loam soil in an apple orchard in New Zealand. Urea at three rates (0, 25, 50 kg N ha^–1 yr^–1 or 0, 16.9, 33.8 g N emitter^–1 yr^–1) was applied in 4 equal fertigations. Soil cores at 4 profile depths (0–10, 10–20, 20–40 and 40–60 cm) directly below and 20 cm from the emitter were sampled approximately 4 weeks after each fertigation and in the following winter. Results obtained showed that the largest changes in soil pH and cations occurred in soils directly below the emitter in the 50 kg N ha^–1 yr^–1 treatment where the soil pH decreased by 1.6 pH units at all soil depths. The lowest pH of 4.3 was observed at a depth of 27 cm. Exchangeable Al and extractable Mn levels increased to 11 meq kg^–1 and 78µg g^–1 respectively. Estimated losses of Ca, Mg and K from the upper soil profile depth (0–10 cm) represented 23, 63 and 27% of their respective total exchangeable levels. At lower profile depths (>20 cm), accumulation of displaced K was evident. Variable, and generally non-significant, chemical changes recorded in soils 20 cm from the emitter were attributed to restricted lateral water movement, and therefore urea movement, down the profile.The present study showed that one season of urea fertigation by trickle emitters, applied to a sandy loam, at half the rate conventionally applied to apple orchards (50 kg N ha^–1 yr^–1) resulted in pH and mineral element imbalances which were potentially and sufficiently severe to inhibit tree growth.     

便携心电传感器的心房肥大诊断研究

基于便携式传感器的模式识别在心电(ECG)监护领域具有广泛的应用前景,并且在心律不齐、心肌梗塞、心室肥大等心电的识别算法上都已有大量的研究与应用,但在心房肥大诊断上却未有模式识别相关的研究成果。心房肥大病症的心电数据量不足给研究造成重大障碍,部分分类器无法适应小样本训练下的分类。针对小样本训练进行研究,对比了不同分类方法,显示了基于统计模式识别的支持向量机(SVM)应用于心房肥大的应用潜力。另外,由于不同个体的心房肥大心电存在差异,在实际应用环境中,SVM存在无法良好泛化的问题,存在类别错分的医学风险。针对类别错分情况,采用分类器融合的方法改进分类器,提出了在SVM分类器输出端增加了拒绝域的分类器(SVM-R)的方法。实验结果表明:SVMR有较高的分类准确率与诊断可信度。     

基于幂图的属性约简

针对粗糙集理论中基于差别矩阵的属性约简方法存在的不足,提出一种基于幂图的属性约简算法.首先通过修改样本决策属性值将不相容决策表转化为简化的相容决策表;然后将样本对概念与幂图概念相结合,将基于修正差别矩阵的不相容决策表的属性约简转化为幂图的搜索问题;最后通过实例和实验验证了所提出算法的有效性.     

硫化胶制样技术对红外光谱分析的影响

样品粒径对硫化胶网络主链α－亚甲基浓度影响较大，但对侧甲基浓度影响甚微。样品粒径减小会导致样品严重氧化，因此压片法红外光谱分析要严格控制样品粒径。样品浓度对分析结果也有较大影响。在样品粒径小于２μｍ、样品与溴化钾质量比为（１～５）：１０００时，可获得较为理想的红外光谱图。     

苹果多酚的研究进展

苹果多酚作为一种新型的天然抗氧化剂,是苹果中一类重要的活性物质,在未成熟的苹果和果渣中含量丰富。介绍了苹果多酚的组成及性质、生化及生理功能、制备方法及分析,在医药、功能性食品、化妆品等领域的应用前景,并对苹果多酚的研究现状作了概述。     

基于k-最近邻筛选的BMA集合预报模型研究

针对冗余训练样本会降低BMA参数求解效率与精度问题,本文提出在BMA运算之前采用k-最近邻(k-nearest neighbor)算法筛选有价值训练样本,并用于BMA参数求解的改进模型。模拟试验在淮河王家坝站进行,分别以k-最近邻筛选、不筛选两种方案为BMA提供训练样本,统计分析两种方案中王家坝站流量模拟结果,评价BMA改进法的性能。模拟结果显示,采用k-最近邻样本筛选方法后,BMA模型对洪水过程以及洪峰的预报精度提升明显;概率预报结果的离散程度降低的同时,可靠性程度获得提升。k-最近邻样本筛选方法的引入,能够有效去除BMA模型训练样本中的冗余数据,以少量的样本获得更可靠的模型参数,改善集合预报性能。