园艺设施内温度环境的调控

作物进行光合作用要求有适宜的空气相对湿度和土壤湿度。多数蔬菜作物光合作用的适宜空气湿度为60％～85％。当空气相对湿度低于40％或大于90％时，光合作用就会受到障碍，从而使生长发育受到不良影响。而蔬菜作物光合作用对土壤相对含水量的要求，一般为田间最大持水量的70％～95％．过干或     

基于机理模型和模糊加权最小二乘支持向量机(LSSVM)算法的农杆菌发酵过程混合建模与优化

针对农杆菌ATCC31749发酵法产凝胶多糖过程中产物质量浓度预测精度不高问题,提出一种基于模糊加权最小二乘支持向量机(least squares support vector machine,LSSVM)算法和机理模型相结合的混合建模新方法。首先通过添加模糊加权思想和混合核函数方法对LSSVM算法进行优化,并用优化后的LSSVM求解农杆菌ATCC31749发酵过程动力学模型,结合鸟群算法对动力学模型参数进行寻优;然后拟合出溶氧体积分数和各参数之间的关联函数模型,并代入到动力学模型,建立起以溶氧浓度作为关键控制变量的发酵动力学模型;最后,用鸟群算法对模型进行寻优,寻找使得发酵产物浓度最大的最优溶氧过程控制策略。实验仿真结果表明,混合模型的预测精度得到提高,产多糖期溶氧体积分数控制为52%时,产物质量浓度最大,为48.85 g/L。该研究所建立的农杆菌发酵过程混合模型及其溶氧优化结果,为发酵工业上进一步通过最佳溶氧控制策略来提高多糖产量提供了方向。     

基于GWO-SVR模型的全国棉花产量预测技术研究

准确预测棉花产量关系到国计民生。使用支持向量回归（SVR,Support Vector Regression）技术对棉花产量进行精准预测。引入灰狼优化算法（GWO,Grey Wolf Optimization）来优化SVR的两个超参数C和g,在此基础上提出了基于GWO的支持向量回归算法模型（GWO-SVR预测模型）,并以我国2003—2021年棉花产量、棉花播种面积、有效灌溉面积、农药化肥折纯量、农业机械总动力、农村用电量为数据集,将模型应用于我国棉花产量预测。试验结果表明,基于GWOSVR的棉花产量预测模型的预测误差最小,预测精度最高,证明了模型在实际应用中具有良好的价值,以期对我国棉花产量及其类似作物产量估算、棉田经营管理、农业决策制定提供参考。     

基于改进支持向量机的温室大棚温度预测

针对温室大棚中影响温度预测的因素以及温室大棚温度变化存在的非线性问题,提出基于改进支持向量机的温度预测模型。支持向量机选择性能较好的RBF核函数,结合网格搜索算法对支持向量机的核参数和惩罚因子进行动态寻优,考虑光照强度、湿度、风速对温度的影响。实验结果表明,与其他模型相比,改进的支持向量机预测误差更小,精度更好。     

食源性致病菌高光谱识别模型构建

针对食源性致病菌检测过程耗时费力的问题,应用高光谱成像技术获取了12,18,24h3个生长期的5类致病菌[金黄色葡萄球菌(S.aureus)、单增李斯特菌(LM)、致泻大肠埃希氏菌(DEC)、肠炎沙门氏菌(SE)和福氏志贺菌(S.flexneri)]的高光谱图像,利用连续投影算法(SPA)结合相关分析(CA)提取不同生长期致病菌敏感波段并建立了最小二乘支持向量机(LS-SVM)判别模型。结果表明,5类致病菌对不同波长光的反射能力不同。SPA-CA筛选出的5个敏感波段(462,498,649,853,979nm)的反射率可较好地反映5类致病菌在不同生长期的波谱特性。基于该敏感波段反射率构建的LS-SVM模型能有效地判别出S.aureus、LM和DEC 3类致病菌,而SE和S.flexneri两种属容易被互相误判,SE被误判成S.flexneri的概率为11.2%,S.flexneri被误判成SE的概率为19.9%。LS-SVM模型对5类致病菌的总体识别正确率为90.9%。综上,高光谱成像技术结合化学计量学方法具有快速诊断食源性致病菌的能力。     

加速发展设施农业环境调控智能化研究

智能化农业信息技术应用示范工程是我国农业得到政府持续支持时间最长、参与人员最多、实施区域最广的一个项目，是一个利用信息技术改造传统农业的伟大实践，也是世界范围内信息技术在我国农村地区广泛应用的成功范例，为依靠信息技术促进农村经济社会发展提供了宝贵的经验和模式。     

基于IDE算法优化支持向量机的变压器故障诊断

提出了一种IDE(改进微分进化)与支持向量机模型相结合的变压器故障诊断新方法。该方法通过支持向量机模型搭建变压器故障诊断的综合判定系统,使决策树的每一个分支都对应一种具体的故障类型,然后应用IDE对支持向量机的分类结果进行优化。经过实例分析,验证了该方法的可行性和有效性。     

基于PSO-LSSVM模型的粮情安全性预测研究

为解决粮情储藏的安全性问题,提出一种基于粒子群算法(PSO)和最小二乘支持向量机(LSSVM)的粮情安全性预测模型.选取对粮仓安全性影响较大的7个因素(仓外气温、仓外气湿、仓内气温、仓内气湿、粮温、水分和CO2含量)作为模型的输入,输出粮情安全性等级.经实例分析显示预测值与实际值偏差较小,在粮情安全性判别中具有优越的性...     

草莓感官评价模型方法比较

为使草莓感官评价结果更客观,不受评价者评价经验、年龄及健康状况等主观因素影响,该研究将草莓的十项理化风味指标如过氧化氢酶、多酚氧化酶等作为输入数据,感官评价得分作为输出数据,运用灰狼优化支持向量机建立草莓感官评价估计模型。为验证所提出模型的优越性,将其与粒子群优化支持向量机模型、卷积神经网络、长短时记忆网络模型进行对比分析,为充分保证所提出模型的有效性,重复实验20次并计算各项指标均值,得到所提出模型的均方根误差和平均绝对误差分别为0.28、0.24（低于粒子群优化支持向量机的误差指标0.46、0.38,长短时记忆网络误差指标1.24、0.99和卷积神经网络误差指标0.88、0.75）。实验结果表明,基于灰狼优化支持向量机模型的预测精度最高、稳定性最好、误差最小,研究结果可为草莓感官评价得分的评定提供参考。     

基于IGWO-SVM的轴承故障分类预测

随着旋转机械设备的集成化程度不断提高,轴承发生故障的概率以及故障诊断的难度都在增加。为了解决常规故障诊断出现误报和漏报等问题,课题组在采集已清洗的轴承数据基础上提出了一种新型分类预测算法。课题组通过改进的灰狼算法来收敛支持向量机的参数,并对数据集进行训练优化,以精准地对轴承故障进行判断和预测。研究结果表明判断精度可高达99.4%;通过与其他现有主流分类预测模型进行比较,进一步验证了该优化方法的优异性。该优化方案可以很好地应用于SCADA等实时状态监测系统并进行精准故障分类预测。     

基于支持向量机的高光谱遥感影像分类

高光谱遥感是将成像技术和光谱技术相结合的多维信息获取技术。自发展以来,已在各个方面都显示出了巨大的研究潜力,成为遥感应用最广泛的领域之一。然而,如何充分利用高光谱遥感数据提供的丰富的地表信息,以及如何在如此大量的信息中提取有用信息,是摆在研究者面前的一项重要课题。高光谱遥感影像处理的一项重要内容就是地物目标的分类。文章基于支持向量机算法原理,提出了一种应用于高光谱影像的分类机制,并在印度松树(Indian Pines)和帕维亚大学(Pavia University)数据集上进行了验证实验,取得了较高的分类精度。     

基于热分析图谱的卷烟配方原料分类分档模型构建与应用

【目的】提高卷烟配方原料分类分档的工作效率,帮助配方人员客观掌握配方原料的年度间波动。【方法】提出一种热分析图谱结合支持向量机算法（SVM）对卷烟配方原料进行分类分档的新技术。采用python3中sklearn中的SVM模块,通过核函数和one-against-all方法并选择合适的惩罚参数,对2016—2018年度的129个样品进行训练学习,并对33个样品进行测试。当模型预测准确率达到应用需求后,对2019年度46个卷烟配方原料进行分类预测。【结果】129个训练集样品的分类准确率为93.02%,33个样品测试集样品的分类准确率为84.85%,46个卷烟配方原料的分类准确率为84.78%。     

基于LS-SVM的黑液波美度软测量

研究了基于最小二乘支持向量机的软测量建模方法,并将其应用于造纸企业碱回收蒸发工段黑液浓度的预测.应用结果表明,该建模方法的可行性和有效性完全能满足工业生产的需要.     

基于支持向量机的野生蘑菇近红外识别模型

提出一种应用近红外光谱技术对野生蘑菇识别的新方法。使用FieldSpec3便携式近红外光谱仪对包括野生蘑菇在内的13种蘑菇进行漫反射光谱采集,通过对光谱的分析,得出1 483,1 727,1 930,2 100,2 180,2 310nm为样品中多糖、蛋白质、脂肪的特征吸收峰,且野生蘑菇中3种成分的相关基团近红外特征吸收峰显著地高于其它蘑菇。将以上6处波长的吸光率作为输入变量,建立支持向量机识别模型,取RBF核,优化后惩罚因子C=2 048.0,核参数γ=0.031 25,该模型对未知样本正确识别率为95.3%。结果表明,利用近红外光谱少量波长处的特征吸收差异,建立支持向量机识别模型可以很好地对野生蘑菇进行鉴别。     

冬季设施蔬菜环境调控技术

冬季利用保护地设施栽培蔬菜,就是在露地不适宜蔬菜生长的情况下,人为创造适宜蔬菜生长的环境条件、满足蔬菜生长的要求来达到反季节生产的目的.然而冬季的低温寡照、强寒流袭击、天气剧烈变化给设施蔬菜生产带来了困难,甚至造成绝产绝收,因此掌握保护地设施的调控技术,是设施蔬菜高产、优质栽培的保证.     

植物组培设施环境调控系统的研究进展

植物组织培养是一项能获得大量同源母本基因幼苗的生物技术，又称植物克隆技术．具有其他育苗方法无法比拟的优点。但在传统的组培环境下组培苗生长缓慢、污染严重、存活率低，致使成品苗的成本过高．不利于组培苗的大规模商品化生产。目前其应用主要限于一些园艺植物、为扩大其在农业、森林等植物上的应用，必须发展一种新型的适用于离体培养小植株的自动化规模化繁殖体系。最近20年来许多学者开始重视培养环境对组培苗的生理影响并对组培微生态系统环境进行了研究。     

基于PSO-SVM的白酒品质鉴别电子鼻

研制一套白酒品质识别电子鼻,对检测样品的气味数据进行预处理,提取稳态响应值,并作为支持向量机(support vector mchine,SVM)分类模型的输入.为提高识别的准确度,利用粒子群算法(particle swarm optimization,PSO)来优化SVM的参数c和g.不同品质的白酒所对应的电子鼻传感器响应特性不同,PSO- SVM分类模型的识别准确率达到了97.5％.结果证明基于PSO-SVM分类模型具有较强的学习能力和泛化能力,可用于白酒品质鉴别电子鼻.     

基于IFA-SVM的粮食霉变预测研究

霉变的发生会导致粮食品质下降甚至粮食浪费,是影响粮食安全储藏的重要因素之一。粮食霉变过程是一个持续过程,在不同发展阶段有着不同的发展规律。本文提出一种基于萤火虫算法优化支持向量机参数(IFA-SVM)的预测分类模型,引入高斯函数非线性改变萤火虫算法的步长,将稻谷作为研究对象,判断稻谷在给定的温度、水分、储藏时间条件下是否发生霉变。选择实验室生化培养箱对实际存储环境进行模拟,结果显示,相比传统的SVM模型、BP神经网络模型和FA-SVM模型,IFA-SVM模型对稻谷霉变情况的预测准确率可达96%且迭代时间降低,在实际粮食存储霉变预测领域有良好的应用前景。     

基于动力学和PSO-SVM的废水厌氧处理产气量的混合软测量模型

在实验室搭建了一套基于IC厌氧反应器的废水厌氧处理系统,自制有机废水(以葡萄糖、尿素、磷酸二氢钾按COD∶N∶P=200∶5∶1的比例配制,同时加入微量元素)进行实验,该系统运行2个月,采集159组运行数据作为元数据集,以进水有机负荷、反应器温度、反应器p H值、氧化还原电位、体系积累的乙酸和进水碱度为输入量,以产气量为输出量,建立PSO(粒子群算法)-SVM(支持向量机)传统模型。为提升模型预测精度,在传统模型基础上,将反应器温度、反应器p H值、体系积累的乙酸进行动力学模型量化后建立混合模型。仿真结果表明,PSO-SVM模型对预测废水厌氧处理体系产气量表现较好,测试集的预测数据与实际数据的相关系数为86.71%,引入动力学模型后的混合模型在产气量预测中的精度提升较大,线性相关性R由86.71%提升至95.73%,可为监控、优化和理解厌氧消化过程提供指导。     

基于IGS-SVM模型的牛肉生理成熟度预测方法

生理成熟度是判定牛肉质量等级的重要指标,本实验建立一种通过改进的网格搜索（improved grid search,IGS）算法优化支持向量机（support vector machine,SVM）参数的模型,以实现牛肉的生理成熟度的预测。收集18、36、54、72 月龄的牛肉样本各25 个,共计100 个。利用机器视觉,采集样本的显微图像,经过图像处理后,提取不同生理成熟度牛肉的肌纤维特征参数,用统计学方法分析牛肉生理成熟度和肌纤维特征参数之间的相关性,并以肌纤维特征参数作为输入,利用76 个训练集样本,建立牛肉生理成熟度的SVM预测模型。为优化所建立的SVM模型,提出一种IGS算法,用其对SVM模型的约束参数C以及核函数参数g进行优化,结合留一交叉验证法得到最优的（C,g）参数组合,并将最佳参数代入分类器,得到优化的牛肉生理成熟度预测模型。用24 个测试集的独立样本检测模型的适用性并估测性能,结果表明：利用该模型对牛肉生理成熟度预测的准确率可达到91.67%;与传统网格搜索算法相比,IGS算法使得模型在训练时间上缩短了1 755.41 s。这表明所建立的模型具有较好的预测效果,也说明根据牛肉肌纤维的特征参数结合机器视觉及图像分析技术,对牛肉生理成熟度进行自动判定的方法是可行的。