基于棚内气象数据的冬季大棚番茄蒸腾计算

彭曼-蒙特斯方程(P-M方程)在大棚温室的实际应用中存在的困难是气孔阻力rc和边界层空气动力学阻力ra的测量和计算.根据空气动力学方程和能量平衡方程,提出了冬季大棚温室作物叶-气系统中叶片层流边界层阻力rb、冠层上方湍流边界层阻力rg、空气动力学阻力ra和叶片气孔阻力rc的计算公式,并结合棚内实测数据计算了rc和ra的特征值(75 s/m和96 s/m).利用P-M方程模拟计算了冬季大棚番茄作物蒸腾速率,并与实测值进行比较,结果表明,冬季大棚番茄作物日蒸腾速率的实测值和模拟值基本一致.     

基于小波神经网络的加工番茄产量预测模型

基于小波分析和BP(back propagation)神经网络,建立加工番茄产量预测的小波神经网络模型,为制定合理的种植规划和管理决策提供科学依据.通过对新疆某番茄基地的历史数据进行分析,以温度、灌水量、氮肥、磷肥和钾肥的投入量作为模型的输入,番茄产量作为输出,建立5-10-1的预测模型.实验结果表明,预测值与实际值之间的最大相对误差仅为0.23%,收敛速度和预测精度均优于BP神经网络,实现了加工番茄产量的有效预测.     

日照市花生产量的预测模型

利用日照市气象局提供的30多年的相关气象资料和农业局提供的花生的产量,用SPSS软件对日照市的气象因素与花生产量进行了偏相关系数分析,从中找到了影响花生产量的重要气象因子.采用逐步回归的分析方法对相关因子进行了分析,建立了花生产量与气象因子关系的多元线性回归模型及灰色GM(1,N)模型进行花生产量预测.     

考虑气象因子的城市日用水量预测模型

讨论了影响城市用水量变化的气象因素,对某市6个月的用水量及气象数据进行分析,评估了温度、湿度、降水量与城市用水量的相关程度,并通过分别引入单气象因子和多气象因子,建立了日用水量预测的ARX模型.结果表明,在单步长(1 d)预测中,综合考虑最高温度和平均湿度的影响后,预测精度较时间序列的自回归模型有较大改进,同时也优于仅考虑单气象因子的预测模型.此外,在多步长的预测中,考虑气象因子后的预测模型精度仍具有明显的优势,是对用水量自回归时间序列预测方法的有效完善.     

基于IPSO-SA算法的温室番茄产量预测方法

针对现代温室节能、高效和优质生产的需要,提出一种机理模型与参数辨识相结合的温室番茄产量预测方法。采用改进型退火粒子群算法(Hybrid algorithm of improved particle swarm optimization and simulated annealing algorithm,IPSO-SA)对温室番茄生长模型中难以确定的参数进行辨识,建立温室番茄产量预测模型。根据上海试验温室的气象数据和实测的番茄产量,分别采用模拟退火算法(Simulate annealing algorithm,SA)、粒子群算法(Particle swarm optimization,PSO)和IPSO-SA进行参数辨识和产量预测比较分析。经IPSO-SA校准的模型预测产量与实际产量的相对误差为2.2%,分别比经PSO和SA校准的模型减少了2.1%和0.7%。结果表明:IPSO-SA的收敛速度最快,均方根误差最小,预测精度最高。试验与模拟结果验证了经过IPSO-SA算法校准的番茄产量预测模型精确有效,可为温室番茄栽培提供理论依据。     

基于最优相似度与IMEA-RBFNN的短期光伏发电功率预测

针对光伏发电功率受气象因素影响而具有波动性与随机性问题,提出一种基于最优相似度与IMEARBFNN的短期光伏发电功率预测方法。利用相关性分析与平均影响值(Mean Impact Value,MIV)算法选取出温度、湿度、辐照度3个气象因素作为输入指标,通过最优相似度理论计算得到预测日的相似日。将相似日数据与预测日气象数据作为输入,采用改进思维进化算法(Improved Mind Evolutionary Algorithm,IMEA)优化径向基神经网络(Radical Basis Function Neural Network,RBFNN)模型对预测日光伏发电功率进行预测。结果表明改进思维进化算法优化径向基神经网络可以提高模型预测精度,为光伏发电功率预测提供一种有效方法。     

基于VMD-CQPSO-GRU模型的气象干旱预测方法

针对当前气象干旱预测方法中存在的预测准确度低、可信度差等问题,提出了一种基于机器学习的气象干旱预测方法.利用变分模态分解(Variational Mode Decomposition,VMD)将干旱时序信号分解为若干本征模态分量;利用改进的混沌量子粒子群算法(Chaotic Quantum Particle Swarm...     

基于LSTM的大棚环境变量预测

针对温室大棚中环境变量变化趋势难以预测的问题,提出一种基于LSTM模型的大棚环境变量预测方法。首先根据实际采集到的大棚农作物西红柿生长环境变量(温度、湿度、二氧化碳浓度)的数据特点,设置网络模型隐藏层层数、调整网络参数;然后在处理好的环境变量训练数据集上进行训练,得到大棚环境变量预测模型;将LSTM模型与传统RNN和GRU预测模型进行对比实验。实验结果表明,LSTM模型的预测精度更高,鲁棒性更强,预测结果的均方根误差(root mean square error,RMSE)低于0. 05,可以实现大棚环境变量的准确预测,为大棚的智能控制提供可靠依据。     

自构建改进型鲸鱼优化BP神经网络的ET_0模拟计算

参考作物蒸发蒸腾量(ET_0)是影响现代水文研究的关键因素,本文建立了一种改进的鲸鱼优化算法(GWOA)和BP神经网络的ET_0模型。通过遗传算法中选择机制与自适应的变异因子代替了传统鲸鱼优化算法(WOA)的最佳搜索代理选择,优化了鲸鱼算法种群多样性与跳出局部最优的能力;借助改变鲸鱼算法收敛因子与权重因子的更新策略,明显提高了鲸鱼优化算法拟合精度和收敛速度。在陕西省北部地区5个站点ET_0模拟仿真中,将基础气象数据作为要素输入,利用FAO 56 Penman-Monteith(FAO P-M)模型运算结果作为参考值,同时将GWOA-BP模型模拟结果与其他算法模型的模拟结果进行评价参数的对比,在仅有气温数据时,GWOA-BP模型仍能较好反映气象因子与ET_0之间的非线性约束关系(平均R~2为0.990,平均R_(MSE)为0.287 mm/d),完全可以代替传统模型Hargreavers模型(R~2提升了5%,R_(MSE)下降了63%);在不同气象因子输入下的模拟计算数据表明,陕西省北部地区ET_0的重要气象因子排序为日最高温度T_(max)、日最低温度T_(min)、逐日日照对数n、逐日空气相对湿度RH、逐日平均风速u_2;在相同气象因子输入下的模拟计算数据表明,GWOA-BP拟合精度均高于WOA-BP、BP模型。     

基于支持向量回归的短期负荷预测

对短期负荷特性进行分析,选取与负荷相关的气象因素、日期类型、前几日负荷作为最大(最小)负荷预测回归模型的输入。夏冬两季休息日的负荷特性与春秋两季不一致,根据气象因素修正日期类型对应的数值。采用最小二乘支持向量机(least squares support vector machine, LSSVM)建立气象因素和日期类型与最大(最小)负荷的映射关系。利用相似日法计算日负荷变化系数,在预测最大负荷和最小负荷基础上,计算预测日各点负荷。算例分析验证了本研究预测模型的有效性。     

Modeling the crop transpiration using an optimality-based approach

Evapotranspiration constitutes more than 80% of the long-term water balance in Northern China. In this area, crop transpiration due to large areas of agriculture and irrigation is responsible for the majority of evapotranspiration. A model for crop transpiration is therefore essential for estimating the agricultural water consumption and understanding its feedback to the environment. However, most existing hydrological models usually calculate transpiration by relying on parameter calibration against local observations, and do not take into account crop feedback to the ambient environment. This study presents an optimality-based ecohydrology model that couples an ecological hypothesis, the photosynthetic process, stomatal movement, water balance, root water uptake and crop senescence, with the aim of predicting crop characteristics, CO₂ assimilation and water balance based only on given meteorological data. Field experiments were conducted in the Weishan Irrigation District of Northern China to evaluate performance of the model. Agreement between simulation and measurement was achieved for CO₂ assimilation, evapotranspiration and soil moisture content. The vegetation optimality was proven valid for crops and the model was applicable for both C ₃ and C ₄ plants. Due to the simple scheme of the optimality-based approach as well as its capability for modeling dynamic interactions between crops and the water cycle without prior vegetation information, this methodology is potentially useful to couple with the distributed hydrological model for application at the watershed scale.     

Modeling the crop transpiration using an optimality-based approach

Evapotranspiration constitutes more than 80% of the long-term water balance in Northern China. In this area, crop transpiration due to large areas of agriculture and irrigation is responsible for the majority of evapotranspiration. A model for crop transpiration is therefore essential for estimating the agricultural water consumption and understanding its feedback to the environment. However, most existing hydrological models usually calculate transpiration by relying on parameter calibration against local observations, and do not take into account crop feedback to the ambient environment. This study presents an optimality-based ecohydrology model that couples an ecological hypothesis, the photosynthetic process, stomatal movement, water balance, root water uptake and crop senescence, with the aim of predicting crop characteristics, CO₂ assimilation and water balance based only on given meteorological data. Field experiments were conducted in the Weishan Irrigation District of Northern China to evaluate performance of the model. Agreement between simulation and measurement was achieved for CO₂ assimilation, evapotranspiration and soil moisture content. The vegetation optimality was proven valid for crops and the model was applicable for both C ₃ and C ₄ plants. Due to the simple scheme of the optimality-based approach as well as its capability for modeling dynamic interactions between crops and the water cycle without prior vegetation information, this methodology is potentially useful to couple with the distributed hydrological model for application at the watershed scale.

     

自然通风下大棚群内部热湿环境分布特性模拟分析

为研究多塑料温室大棚群内部热、湿环境因子的相互影响与分布情况,利用数值模拟软件,在考虑温室内部水汽传输、作物蒸腾作用、太阳辐射等情况下,结合多孔介质模型、DO辐射模型以及组分运输模型建立了对应数值模型,在自然通风条件下进行了模拟并对作物蒸腾量进行了验证。验证结果显示模拟值与实验值误差在15%以内,数值模型可信。采用此模型进行了模拟,结果表明：1号大棚对空气流动的阻碍使得2号以及3号大棚内空气流速降低,导致空气中携带的水汽以及热量在2号以及3号大棚内部空间扩散,2号及3号大棚内作物蒸腾受到抑制,其内部作物表面温度逐渐升高,3号大棚内作物表面温度升高最为明显,最高处达到了309.5 K。     

三相流环状集输管网能量利用优化研究

三相流环状集输管网能量利用优化研究是通过环状集输管网的物理模型、管内油气水三相流之间的温降模型,建立了以最小能耗为目标函数的数学模型,分析出了掺水量、温度、压力与总能量消耗之间的变化关系,找到了影响总能耗的主要因素、次要因素及最小因素分别为掺水温度、掺水流量、压力,并得到管道总能耗的最优方案。在生产实际过程中尽量降低掺水温度以使总能量消耗最少。     

脑卒中发病率与气象因素的关系及预测模型

通过对脑卒中发病率与气象因素关系系统的统计分析,显示出气温、气压、相对湿度与发病率之间均存在显著的二次相关关系,以此建立线性回归模型和BP人工神经网络模型,得到发病率与气象因素间关系的定量描述,并与实际发病率进行比较,得到比较准确的预测模型,并对脑卒中高危人群给出了建议。     

膨胀土等级判别的遗传支持向量机多分类方法

针对支持向量机模型中的参数难以确定的状况,提出了遗传支持向量机方法,即利用遗传算法来搜索支持向量机与核函数的参数,避免了人为选择参数的盲目性,同时提高了支持向量机的推广预测能力,并将该方法应用于膨胀土胀缩等级的判别分类问题。考虑影响膨胀土判别的重要因素,选用液限、胀缩总率、塑性指数、天然含水量和自由膨胀率5个指标作为模型的判别因子,以4类膨胀土胀缩等级作为相应的输出,以膨胀土实测数据作为学习样本进行训练,建立相应分类函数对待判样本进行分类。研究结果表明：遗传支持向量机模型分类性能良好,预测精度高,是膨胀土胀缩等级分类的一种有效方法,可以在实际工程中进行推广。     

大型蒸发池水面蒸发的实验观测和资料分析

介绍了大型蒸发池的结构特点和观测实验方法。分析了器质特征。以20 m^2蒸发池蒸发量为标准,计算了常用蒸发器的折算系数;并建立了气象因子和20m^2蒸发池蒸发量的经验关系。     

雅鲁藏布江干流中游河段水温特性分析

水温是水环境中重要的影响因子,青藏高原由于独特而复杂的高原气候及水文地形特征,会对河道的水温情势产生重要影响。本文以雅鲁藏布江干流多年长系列气象、水文及水温资料为基础,利用多元线性回归模型对水温影响因子进行了识别,并采用统计学方法对水温时空分布特性进行了分析。研究结果表明：对于上游拉孜和奴各沙站点,影响这两个区段水温的主要因素为气象,且气温影响起主导作用;而对于下游羊村和奴下站点,影响这两个区段水温的主要因素为上一站水温,即上游水温对这两个站的水温影响较大;年际水温表现出微弱增温趋势,且增温率从上游到下游在增大;随着海拔降低气温升高,水温也在逐渐升高,但由于融雪径流补给使得奴下站水温升温偏缓、最高水温偏低。     

开式地表水源热泵动态取水温度限值

对于开式地表水源热泵,取水能耗是决定系统节能性的关键因素.在水源热泵机组能耗模型、取水能耗模型等的基础上建立了开式地表水水源热泵系统的能效耦合模型.基于节能率及水泵能耗的规律特点计算得到了不同的冷却塔出水温度下,不同水泵扬程下的动态取水温度限值,建立了开式地表水水源热泵动态取水温度限值的计算方法.并计算得到不同工况条件下的地表水源热泵系统相对传统空调的节能率.