基于模型系统工程方法研究与展望

基于模型的系统工程是近年产生的新型系统工程方法,用模型基线取代文档基线以应对现代大型系统的复杂性与软件密集型特性。该方法的基本元素是模型,着眼于模型应用方法的发展演化历程,对基于模型系统工程方法的可行性基础、理论基础、工程应用基础展开研究,总结整理出从模型表示方法,系统建模体系到基于模型系统工程方法的发展脉络,解释了其内在联系,指出了下一阶段发展方向。     

基于遥感数据和作物生长模型的小麦变量施肥研究进展

就国内外基于遥感数据和作物生长模型在变量施肥技术的研究应用作了阐述, 提出了快速、无损农业测试技术将是精准变量农业和数字农业今后的发展方向, 对作物生长模型以及精准变量施肥技术的研究进展作了较系统的调查研究, 阐述了将遥感数据与作物生长模型进行数据同化, 实现以高产、优质、环保为目的农业生产的可行性。并结合我国国情提出了发展精准农业变量施肥技术所面临的困难和出路。     

软件可靠性模型选择研究

软件可靠性模型选择作为模型应用不一致性的主要解决方法已经逐渐成为模型应用的研究重点,基于数据挖掘的软件可靠性模型选择作为新的研究方向已经受到越来越多研究人员的注意.对现有的软件可靠性模型进行分类,分析模型应用不一致性的根源,回顾软件可靠性模型选择的发展历程,阐述其中的重要成果,指出遇到的问题和挑战,展望发展前景.     

WOFOST模型的发展及应用

作物生长模拟模型已经成为一门新兴的科学,可以为农业资源的管理利用、农业最大收益的获取提供科学的依据。WOFOST(W orld Food Stud ies)模型是荷兰瓦根宁农业大学和世界粮食研究中心共同开发研制的,是模拟特定的土壤和气候条件下一年生作物生长的动态的、解释性模型。WOFOST模型已经在欧洲、非洲以及亚洲的一些地区得到了运用和验证,可用于水稻、玉米、小麦等多种一年生作物的模拟。WOFOST模型可用来分析作物产量风险,不同年份产量的变化,土壤类型及气候变化对产量变化的影响;确定播种策略以及农业机械使用的关键时期;该模型还可用于估计某种作物最大潜在产量,提高灌溉和施肥的增产效益,对生长在不利条件以及地区的作物产量进行预测等。该模型对可持续农业的发展具有积极的指导作用。     

数字农业中作物生长模拟软件的应用

论文总结了国、内外计算机模拟作物生长模型的研究,分析了作物生长模拟软件在作物栽培管理中的应用,探讨了数字农业的研究方向。论述了作物生长过程数字化描述对农业生产管理、土地生产力评价、资源环境合理利用、经济性评价、可持续农业发展及信息化精确农业技术等方面的重要意义,是当今信息化数字农业发展的要求。     

农作物覆盖地表微波遥感模型研究进展

农作物是人类主要的粮食来源,微波遥感技术已被广泛应用于作物长势监测和作物生物量、含水量反演等研究领域,特别是微波遥感模型的发展更是提高了农田参数反演的精度。综述了农作物微波散射和辐射经验、半经验和理论模型的研究进展,对各模型的适用范围及优缺点进行了介绍,最后对农田微波遥感模型未来发展的难度和重点提出了一些见解。
     

设施农业灌溉量控制模型和营养液供给自动控制系统

文章将作物所需灌溉量(包括养分和水)与影响作物吸收肥水的3个主要环境因素(温室内光照强度、温度、空气相对湿度)相结合，并针对不同控制方式，分别建立了基于人工神经网络的控制模型和基于多元线性回归的控制模型，并研制了一套基于单片机控制的设施农业营养液自动供给系统。其灌溉量控制模型的研究和该套控制系统的研制对我国设施农业朝智能化、高效化方向发展起到了促进作用。     

SNMP网络管理综述

随着Internet的迅猛发展，网络管理日益重要．SNMP网络管理是基于TCP／IP的网络上使用最为广泛的网络管理模型．SNMPv3中较为完善的体系结构的建立和安全特性的加入标志着SNMP网络管理走向成熟．本文全面综述了SNMP的发展历程，对曾得到广泛应用的主要版本的功能和安全与管理方面的特色进行了详细阐述，并讨论了局限与不足．并在最后指出SNMP面临的问题以及进一步的研究方向。     

复杂嵌入式实时系统体系结构设计与分析语言:AADL

首先归纳了AADL(architecture analysis and design language)的发展历程及其主要建模元素.其次,从模型驱动设计与实现的角度综述了AADL在不同阶段的研究与应用,总结了研究热点,分析了现有研究的不足,并对AADL的建模与分析工具、应用实践进行了概述.最后,探讨了AADL的发展与研究方向.     

软件过程模型回顾与分析

软件过程模型是软件项目的指导思想和全局性框架,是项目经理进行管理的有效工具.本文回顾了软件过程模型的发展历程,介绍了一些具有代表性的软件过程模型,并通过对这些模型的类比分析,给出了它们的优缺点,最后展望了软件过程模型的发展趋势.     

基于CASA-WOFOST耦合模型的大豆单产遥感估算研究

中国是一个农业大国,在田块甚至是亚田块尺度上进行快速、准确的作物产量估算,不仅可以对农民田间管理进行指导,对于农田生态系统对全球变化的响应评价、制定科学合理的粮食政策、对外粮食贸易和国家粮食安全都具有重要意义。目前主流的估产模型主要有经验统计模型、光能利用率模型、作物生长模型等,每一类模型在各自研究领域相对完整,但是都形成了固定的局限性,为了研究利用遥感技术在小区域范围内田块尺度的作物估产,选取黑龙江省双山农场为研究区,以大豆为研究对象,基于CASA-WOFOST耦合估产模式,利用覆盖作物生长季的时间序列HJ-1A/B遥感影像数据构建高时间分辨率归一化植被指数(Normalized Difference Vegetation Index, NDVI),实现逐日连续监测,分别利用CASA模型和CASA-WOFOST耦合模型对作物进行单产模拟,结果表明：耦合得到的新模型能够具有光能利用率模型较高的运行速度,同时还能发挥作物生长模型模型的机理优势,克服CASA模型在小区域田块尺度上应用的局限性。大豆单产模拟线性回归判定系数(R²)由0.668 53上升到0.844 72,均方根误差(RMSE) 由51.41 kg/hm²下降到29.52 kg/hm²,说明耦合后的模型可以综合考虑光能利用与作物生长生态生理全过程,从而提高作物估产的精度、可靠性和稳定性,为区域田块尺度作物估产提供理论支持,更好地服务于精准农业发展。     

多处理机系统线程环境

高性能和易用性是多处理机系统发展中存在的一对矛盾,线程环境是解决这对矛盾的重要途径。本文从介绍多处理机发展历程入手,描述了线程环境的发展变化过程,列举出线程环境研究中的两个主要方向：线程模型选择和不同体系结构下线程环境的优化。通过对两个方向上的研究动态的分析,本文预计基于NIMA的局部性开发将成为线程环境研
研究的热点。     

基于作物生长模型和多源数据的融合技术研究进展

精确的区域作物产量估计在社会食品安全生产中起着重要作用。首先讨论了常用的2种区域作物产量估计方法,包括产量监测和产量模拟。其中,作物生长模型能够反映作物的整个生长演变过程,并能最终预报作物产量,因此在区域作物产量预报中起着重要作用,但是由于作物生长模型在输入数据、模型参数和模型结构等方面存在较大的不确定性,导致最终的模拟结果也存在较大的不确定性,尤其是应用到区域尺度时,这种不确定性使得模拟结果同真实的作物产量空间分布图存在较大的不一致性。而产量监测,尤其是利用先进的多源遥感信息,可捕捉真实的区域尺度的地面作物生长信息,但是仅为瞬时信息。因此利用数据融合算法,融合模型和数据的优点,得到更为可靠的区域产量估计结果是十分有意义的。所以在详述了当前主要的作物生长模型的基础上,重点讨论了常用的2种数据融合技术,即优化方法和顺序数据同化方法,以及目前利用这两种方法在作物生长模型中融合观测信息的部分案例。     

模糊双曲正切模型研究综述

模糊双曲正切模型(Fuzzy hyperbolic tangent model, FHM)是一种全局模糊模型也是一种神经网络模型. 根据此模型设计的控制器能够实现系统的性能指标达到最优. FHM与其他模糊模型相比,更加适用于对多变量及系统内部信息所知有限的非线性系统进行建模. 本文依据FHM的模型发展历程对现有的研究成果加以总结, 并对这一研究领域内待解决的问题和未来发展方向作了进一步的展望.     

弱公钥模型集下的零知识论证系统

根据近年来弱公钥模型集下的零知识系统的研究成果,对其发展历程和特性设置进行阐释和剖析,探讨该模型集下最优轮数的零知识协议的构造方法,提出通用的4轮模式和3轮模式,以及协议的（并发）健壮性和（可重置）零知识的证明技术和问题,并总结弱公钥模型集下零知识系统的研究将来可能发展的导向。     

大型语言模型：原理、实现与发展

近年来,大型语言模型的出现和发展对自然语言处理和人工智能领域产生了变革性影响.随着不断增大模型参数量和训练数据量,语言模型的文本建模困惑度以可预测的形式降低,在各类自然语言处理任务上的表现也持续提升.因此,增加语言模型的参数和数据规模成为提升系统智能水平富有前景的途径.首先回顾了大型语言模型的基本定义,从模型表现和算力需求的角度给出了“大型”语言模型的界定标准.其次,从数据、算法、模型3个维度梳理了大型语言模型的发展历程及规律,展示了不同阶段各个维度的规模化如何推动语言模型的发展.接着,考察了大型语言模型所表现出的涌现能力,介绍了思维链、情景学习和指令遵循等关键涌现能力的相关研究和应用现状.最后,展望了大型语言模型的未来发展和技术挑战.     

基于SVM与ANN的上市企业财务预警模型构建

本文的起始点为企业风险和预警的概念,总结风险预警管理在历史阶段内的发展状况,并针对现阶段国内外较为主流的企业风险预警模型展开系统性分析.共用4种方法展开研究,该研究指出当下研究缺陷的同时分析了将来风险预警管理模型研究的基本走向.     

基于卫星遥感预测作物成熟期的可行性分析

精准收获是精准农业的重要环节,首先分析了收获时间对作物产量与品质的影响,论述了作物成熟期监测的重要性,然后从气象统计模型、作物生长模型及遥感监测3个方面回顾了作物成熟期预测的研究进展。在此基础上,通过对目前主要作物成熟状态指示因子遥感监测研究进展的分析,认为在当前新型传感器不断涌现的条件下,利用卫星遥感预测大范围作物成熟期、制订收割顺序并指导农业生产的条件已经成熟。并指出研究面向遥感的作物成熟期指示因子及其变化规律,发展高精度的作物冠层叶绿素及水分含量的遥感估算方法,研究面向农田尺度动态监测的高时空分辨率数据集构建技术和多种模型的耦合将成为该领域未来的研究重点。     

ChatGPT大模型技术发展与应用

通过回顾深度学习、语言模型、语义表示和预训练技术的发展历程,全面解析了ChatGPT的技术渊源和演进路线。在语言模型方面,从早期的N-gram统计方法逐步演进到神经网络语言模型,通过对机器翻译技术的研究和影响也催生了Transformer的出现,继而又推动了神经网络语言模型的发展。在语义表示和预训练技术发展方面,从早期的TF-IDF、pLSA和LDA等统计方法发展到Word2Vec等基于神经网络的词向量表示,继而发展到ELMo、BERT和GPT-2等预训练语言模型,预训练框架日益成熟,为模型提供了丰富的语义知识。GPT-3的出现揭示了大语言模型的潜力,但依然存在幻觉问题,如生成不可控、知识谬误及逻辑推理能力差等。为了缓解这些问题,ChatGPT通过指令学习、监督微调、基于人类反馈的强化学习等方式在GPT-3.5上进一步与人类进行对齐学习,效果不断提升。ChatGPT等大模型的出现,标志着该领域技术进入新的发展阶段,为人机交互以及通用人工智能的发展开辟了新的可能。     

作物养分定量化模型原理及方法比较分析

本文比较分析了养分经验模型和动态模拟模型的原理和计算方法。比较典型的经验模型有肥料效应函数方程,目标产量法,以及基于土壤肥力指标的QUEFTS(QUantitative Evaluation of the Fertility of Trop ical Soils)养分模型等。经验模型的特点是简单易行,所需参数少,但模拟精度难免误差较大;动态模拟模型由于考虑到复杂因素对作物养分吸收的影响,以及植物营养的动态过程,更能反映的系统真实行为。然而,由于土壤养分运移和作物养分吸收过程的复杂性,目前除氮外,还很难做到其它养分的动态定量化模拟,这些都还有待于更深入的基础性研究。