为解决当前旱区防护林主要树种新疆杨日蒸腾量（Tr）估算值的精确度低、估算模型泛化能力差等问题，采用7种气象因子（日照时长、风速、相对湿度、饱和水气压差、最低温、最高温和日均温）的8种组合作为模型输入，构建了传统多元线性回归模型（MLR）和人工神经网络模型（BP和Elman），估算了2020年生长季新疆杨Tr值，并对3种模型不同输入组合的估算结果进行了比较与评价；同时基于Garson算法量化了各气象因子对Tr估算值的相对贡献率。结果显示，BP和Elman模型对Tr估算值的精确度超过73.66%，在不同输入组合下人工神经网络模型估算精确度比MLR模型提高了8.45%～31.33%，其中拓扑结构为6-4-4-1的Elman模型估算值的精确度最高；气象因子饱和水气压差对Tr估算值的相对贡献率最大，相对湿度次之，不同温度变量对Tr估算值的相对贡献率依次为：日均温>最低温>最高温。结果表明，所构建的新疆杨日蒸腾量的估算神经网络模型可提高对干旱地区防护林蒸腾量的估算精确度。

根据河套灌区多年气象资料和Penman -Monteith法计算得到的参考作物蒸发蒸腾量 (ET0 ) ,回归分析了影响ET0 的主成分。在此基础上比较了以 4因子 (平均气温、净辐射、相对湿度、2m处风速 )和 3因子 (平均气温、净辐射、相对湿度 )为输入向量 ,由Penman -Monteith法计算所得ET0 为输出向量的BP网络ET0 预报模型 (BP -ET0 )。研究表明 ,BP网络可以用于ET0 的预报计算 ,4因子法和 3因子法均简便可行 ,能满足生产的需要。相比之下 ,4因子法的精度更高。此研究是对传统ET0 计算的补充

针对作物蒸腾速率与温室环境参数间非线性耦合时延性关系,以温室环境参数:空气温度、空气湿度、太阳辐射度、土壤温度、叶面温度、土壤含水量的时间序列为输入量,温室黄瓜蒸腾速率时间序列为输出量,采用小波分解重构方法,分别建立低频时间序列和高频时间序列的非线性自回归动态神经网络(NARX)子网络预测模型,以子网络的预测叠加值为蒸腾速率预测值。结果表明:1层小波分解重构的低频时间序列A1和高频时间序列D1的子网络预测值与蒸腾速率分解重构目标值间相关性决定系数R2分别为0.949和0.853,平均绝对误差(MAE)分别为5.36和2.00 g·h-1。2层小波分解重构的低频时间序列A2和高频时间序列D2的子...

建设项目的投资估算,是工程建设项目可行性研究阶段的主要内容之一。投资估算的准确与否直接影响到项目的投资决策、基建规模、工程设计方案、投资经济效果、并直接影响到工程建设能否顺利进行。简便、快速和准确地进行建设项目的投资估算,对于工程建设项目的投资管理与控制,具有十分重要的意义。

参考作物蒸发蒸腾量(ET0)是计算作物需水量和进行灌溉预报的基础要素。利用天气预报可测因子和Penman Monteith公式计算ET0,分别建立多元线性回归模型(MLR)和自适应神经模糊推理系统模型(ANFIS),两种方法的估算值与Penman Monteith公式计算值没有明显的差异,自适应神经模糊推理系统预测值相对于多元线性回归模型具有整体吻合度好,相关性高。两种预测模型的输入项完全可以从当前短期气象预报中获得,程序运行操作简单,具有实用价值,为实时灌溉预报提供了理论基础。

利用Dynamax茎流测量系统,于2006年对科尔沁沙地一处20年生樟子松和小叶锦鸡儿人工混交林的液流动态进行监测。在液流测定的基础上,分别选择边材面积和叶面积为纯量进行尺度扩展来推算樟子松和小叶锦鸡儿林分蒸腾耗水量,分析林分蒸腾耗水量与沙地水分动态关系。结果表明:植物蒸腾耗水量的大小与太阳有效辐射和水蒸气压亏缺显著相关;在土壤水分严重匮缺的月份,樟子松日蒸腾耗水量呈现明显的下降趋势,变化范围为0.21~1.17 mm/d,平均0.81 mm/d;小叶锦鸡儿在低土壤含水量条件下对水分利用能力较强,表现出良好的耐旱性和稳定性,其蒸腾耗水的变化范围为0.51~2.79 mm/d,平均1.98 mm...

本文的目的是提出一个建筑工程报价决策模型 ,以帮助建筑企业在投标中达到自己满意的目标。本文的主要思路是采用信息扩散原理和神经网络模型相结合 ,使工程报价决策能在少样本的条件下得到较满意的结果

【目的】试验不同长度热消散探针(TDP)测量毛竹液流的可行性,分析年龄对立竹液流的影响,并据此对立竹液流进行尺度扩展,估算桂北毛竹林的蒸腾耗水,为区域毛竹林的生态水文效应研究和指导关键生态功能区植被结构调整提供依据。【方法】显微镜观察毛竹输水结构在竹壁上的径向分布。基于热消散方法,用5 mm和10 mm长度的TDP探针对1～2年生立竹和3龄以上立竹的基部液流进行连续测量,并同步测定环境因子。【结果】维管束在毛竹竹壁上不均匀分布,竹壁外侧维管束小而密,导管分化不完全,竹壁内侧维管束大而疏,导管分化完全,直径较大。10 mm TDP探针测得的液流密度显著高于5 mm探针,其平均液流密度是5 mm探针的4.03倍。在生长旺季的7月,基于10 mm TDP探针测量的1～2年生立竹正午液流密度显著高于3龄以上立竹,而在早上和傍晚二者基本相同。1～2年生立竹液流的平均日通量在测量生长季内均高于3龄以上立竹,二者的平均日液流通量分别为51.15和33.80 g·cm~(-2) d~(-1)。以立竹年龄和基径作为液流尺度扩展依据估测的桂北毛竹林日蒸腾耗水量在观测生长季内为0.01～0.72 mm·d~(-1),平均日蒸腾耗水量为0.31 mm·d~(-1)。【结论】10 mm长度的TDP探针较5 mm探针更适宜用于毛竹液流的测量。1～2年生立竹比3龄以上立竹具有更高的液流密度和日液流通量,因此年龄是毛竹液流由立竹到林分尺度扩展时除立竹直径外另一个必须要考虑的因素。

利用便携式ASD野外光谱辐射仪对杉木冠层叶片光谱进行测定,同时以分光光度法对叶片叶绿素含量进行提取。样本经均值处理、平滑处理和微分处理后,进行红边参数提取。对11个红边参数以PCA方法进行降维,将得到的前7个主成分得分作为网络输入参数,叶绿素含量作为网络输出参数,以遗传算法(GA)优化网络初始权值阈值,建立隐含层神经元数分别为4,6,8,10,12和14的6种单隐层BP神经网络模型。以R2,RMSE和相对误差作为模型精度检验标准,结果表明:6种模型预测精度均可达到92.0%以上,其中隐含层神经元数为10时,预测精度最高,可达97.372%。说明此种模型可对杉木冠层叶片叶绿素含量进行高精度估算。

[目的]快速、准确地诊断水稻叶片氮素营养状况,为水稻氮肥精准管理提供依据。[方法]以江西省农科院8种不同施肥处理的晚稻为研究对象,于主要生育期同步测定了水稻冠层光谱反射率及叶片全氮浓度(Leaf Nitrogen Concentration,LNC),系统分析了原始光谱反射率、一阶微分光谱、"三边"参数以及由350～1 350nm两两波段组合的差值(SD (Rλ1,Rλ2))、比值(SR (Rλ1,Rλ2))及归一化(ND(Rλ1,Rλ2))光谱指数与水稻LNC的相关关系,筛选出敏感参数,并以之为自变量构建了水稻LNC的传统预测模型,另外构建不同指标个数的多元线性与BP神经网络模型,并对模型进行验证。[结果](1)水稻LNC与一阶微分光谱在751nm处的相关性最高(r=0. 822);(2)"三边"参数中的红边面积SDr与LNC的相关性较高(r=0. 687);(3) 750nm附近的红边波段与近红外波段差值组合、550nm附近的绿光波段与近红外波段的比值及归一化差值组合与水稻LNC的相关性较高,以SD (R752,R751)、SR (R534,R1 350)和ND (R534,R1 349)表现最好,相关系数分别为0. 827、-0. 790和0. 788;(4)传统回归模型中以SD(R752,R751)构建的一元线性模型最佳(RC2=0. 665、RV2=0. 750、RMSEV=0. 4%、RPD=2. 034);(5)利用5个指标((R’751、SDr、SD (R752,R751)、SR (R534,R1 350)、ND (R534,R1 349))经逐步回归筛选出的2个指标SD ((R752,R751)和SR (R534,R1 350))构建预测水稻氮素的BP神经网络模型,预测效果最佳,其验证参数值分别为R2=0. 859、RMSEV=0. 302%和RPD=2. 669。[结论]基于单指标构建的传统线性模型计算过程简单但精度略低,而基于2个指标(SD (R752,R751)、SR (R534,R1 350))构建的BP神经网络模型预测精度高于该2指标构建的多元线性模型,表明在指标适合的情况下,BP神经网络对氮素具有较好的预测能力,是一种快速准确估算水稻叶片全氮浓度的方法。

基于BP神经网络模型,提出保证成本估算精度的神经网络分析方法;并收集20个住宅工程实例,其中4个作为检测实例。实验结果表明根据工程前期阶段的基本信息推算得到的成本精度,可以满足实际工程成本估算的需要。

分析影响民用建筑工程造价的主要因素并提取相应的工程特征指标;采用系统聚类的方法,选择待估算工程的有效样本类,确定最佳样本数量。将上述提取的工程特征值作为输入值,以工程造价作为输出值,建立建筑工程造价的BP神经网络估算模型。最后通过实例验证,预测精度符合决策阶段的要求,证明该模型确实可行。

选取东北林业大学帽儿山实验林场为研究区域,以少量野外定位调查数据及与其对应的遥感和GIS信息为基础,利用岭回归和人工神经网络分析方法,对森林可燃物负荷量估测模型及其影响因子进行系统研究。结果表明:对于TM3、TM(4×3)/7、TM4/3、海拔等10个影响可燃物负荷量估测的主要因子,利用岭回归方法可以克服变量间由于存在复共线性关系对求解待定参数所造成的不利影响。建立以像元为单位的岭回归和岭回归与神经网络组合估测模型,模型平均绝对百分比误差分别为17.6%和11.7%,2种方法可用于实现特定林场尺度森林可燃物负荷量的定量估测,其中组合模型效果较好。

为了提高具有非线性和非稳定性特征的参考作物腾发量(ET0)时间序列的预测精度,提出基于经验模态分解(EMD)的BP神经网络预测模型。以大连地区1970~2006年间逐月ET0序列为例,首先应用经验模态分解(EMD)方法将ET0序列分解为具有不同尺度特征的本征模态函数(IMF),然后运用BP神经网络对ET0序列和分解得到的IMF进行训练,得到ET0序列的预测模型,并对ET0进行预测,最后将预测值及单纯的BP神经网络预测值分别与真实值进行对比分析。结果表明:EMD-BP模型预测值的平均绝对百分误差(MAPE)、均方根误差(RMSE)、平均绝对差(MAD)及判定系数(R2)分别为1.32%,0.03...

蒸散的估算在区域能量平衡和水资源研究中具有重要意义,遥感技术发展促进了区域蒸散的研究。利用安徽省气象资料、MODIS数据产品及GIS背景信息,基于SEBAL模型,按1km空间分辨率进行了面尺度的安徽省日蒸散量估算,并在GIS空间分析模块的支持下对不同土地覆盖类型的日蒸散量进行统计分析。结果表明:遥感估算的蒸散量与利用Penman-Monteith公式计算的蒸散量比较,两者之间具有较好的相关性,遥感蒸散估算值整体偏小,不同土地利用类型的日蒸散量间差异显著。遥感蒸散估算方法在安徽省具有一定的实用性,需优化模型参数,以提高其进一步技术推广的前景。