检索结果-内蒙古大学图书馆

麦类作物学报 2025年

作者：赵泽阳李美玲徐伟刘冰雪黄鹏宇康迪张改生宋瑜龙西北农林科技大学农学院/国家杨凌农业生物技术育种中心/国家小麦改良中心杨凌分中心/小麦育种教育部工程研究中心/陕西省作物杂种优势研究与利用重点实验室

为实现冬小麦产量的准确估算,利用无人机采集266个小麦品种（系）的多时相冠层多光谱数据,提取多个植被指数,分别基于多元线性回归（PLSR）、支持向量机（SVR）、随机森林（RF）、反向传播神经网络（BP）等机器学习算法建立单一生育时... 详细信息

为实现冬小麦产量的准确估算,利用无人机采集266个小麦品种（系）的多时相冠层多光谱数据,提取多个植被指数,分别基于多元线性回归（PLSR）、支持向量机（SVR）、随机森林（RF）、反向传播神经网络（BP）等机器学习算法建立单一生育时期和多生育时期结合的小麦籽粒产量预测模型,并采用决定系数（R2）、均方根误差（RMSE）对所获模型精度进行评价。结果表明,基于植被指数进行单一生育时期的产量预测时,最佳预测时期是灌浆中期,最优模型是RF模型,其预测R2和RMSE分别为0.655和0.550 kg·m-2;多生育时期结合进行产量预测时,最优模型是基于5个生育时期（扬花期、灌浆中期、灌浆后期、蜡熟期和完熟期）多光谱数据的RF模型,其预测R2和RMSE分别为0.834和0.381 kg·m-2。在建模特征中加入纹理特征后,冬小麦产量预测模型的精度进一步提高,其中以蜡熟期和完熟期结合的SVR模型最优,其预测R2和RMSE分别为0.924和0.253 kg·m-2。因此,可基于植被指数加纹理特征对冬小麦产量进行无人机冠层光谱预测,其中以基于多生育时期（蜡熟期、完熟期）的SVR模型预测精度最佳。

关键词：植被指数纹理特征多生育时期冬小麦产量预测模型

来源：评论

学校读者我要写书评

暂无评论

“无废城市”建设下的“无废校园”固废产量预测模型——以内蒙古工业大学为例

引用

环境工程学报 2023年第9期17卷 3015-3023页

作者：张宇祥马尚彬于耀江许志毅刘建国杨晓霞内蒙古工业大学资源与环境工程学院环境污染控制与修复内蒙古自治区高等学校重点实验室呼和浩特010051 内蒙古工业大学化工学院呼和浩特010051 内蒙古工业大学内蒙古自治区CO_(2)捕集与资源化工程技术研究中心呼和浩特010051

开展“无废城市”建设是我国建设生态文明、实现美丽中国目标的重要工作内容,是推动实现绿色低碳高质量发展的有力抓手,而“无废校园”建设则是“无废城市”建设的必要补充,旨在全面实现校园固废资源化与无害化,打造低碳、环保、节能、... 详细信息

开展“无废城市”建设是我国建设生态文明、实现美丽中国目标的重要工作内容,是推动实现绿色低碳高质量发展的有力抓手,而“无废校园”建设则是“无废城市”建设的必要补充,旨在全面实现校园固废资源化与无害化,打造低碳、环保、节能、友好的校园环境。本研究以内蒙古工业大学为例,通过文献调研、实地走访调查和预测模型构建相结合的方式,系统研究了内蒙古工业大学校园固废产生规律及固废产量预测模型。结果表明,校园固废具有产生数量大、产生空间集中、产生时间具有阶段性等特点,其中教学楼、操场、住宿楼日固废产生均值分别为(6.08±0.77)、(4.50±0.82)、(23.58±5.41)kg,且不同区域之间固废产量呈现季节性差异;校园固废种类较社会面单一,易于分类管理,其中88.10%的学生非上课时间集中活动在教学科研区与宿舍区,并产生了约92.53%的固废量;基于实际数据及GM(1,1)灰色预测模型构建发现系统对夏季和冬季校园固废拟合精度分别为好和合格,预测结果可靠。本研究结果可为“无废城市”建设下的“无废校园”建设提供参考。

关键词：无废城市无废校园校园固废产量预测模型

来源：评论

学校读者我要写书评

暂无评论

基于小波神经网络的加工番茄产量预测模型

引用

深圳大学学报（理工版） 2015年第5期32卷 546-550页

作者：陈玉佳姜波新疆大学电气工程学院乌鲁木齐830047

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... 详细信息

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.

关键词：计算机神经网络小波分析 BP神经网络加工蕃茄小波神经网络产量预测模型

来源：评论

学校读者我要写书评

暂无评论

商空间理论框架下的SVM产量预测模型研究

引用

中国农业大学学报 2009年第5期14卷 135-139页

作者：程伟张燕平赵姝安徽大学计算智能与信号处理教育部重点实验室合肥230039 安徽电子信息职业技术学院安徽蚌埠233040

针对目前预测农作物产量只利用年产量或其变形,而没有考虑气象因素对产量预测的影响导致误差偏大的问题,在基于商空间粒度理论框架下的农作物产量预测中,考虑气象因素如光照、平均气温、降水量对农作物产量的影响,提出利用支持向量机方... 详细信息

针对目前预测农作物产量只利用年产量或其变形,而没有考虑气象因素对产量预测的影响导致误差偏大的问题,在基于商空间粒度理论框架下的农作物产量预测中,考虑气象因素如光照、平均气温、降水量对农作物产量的影响,提出利用支持向量机方法构造模型对气象时间序列进行数据挖掘(产量预测)。粒度分析和实验结果表明:混合粒度预测模型不仅降低了问题求解的复杂性,而且误差较低,其预测值平均绝对百分误差为0.884 9,均方根误差37.3,希尔不等系数为0.004 4,与其他预测模型相比误差最小。基于商空间理论的支持向量机产量预测模型可较好地应用于产量预测中。

关键词：商空间理论支持向量机(SVM) 粒度气象因素产量预测模型

来源：评论

学校读者我要写书评

暂无评论

油气田产量预测模型应用新方法

引用

石油与天然气地质 2009年第3期30卷 384-387页

作者：刘传喜王树平刘延庆中国石油化工股份有限公司石油勘探开发研究院北京100083

预测油气田产量的模型较多,其中应用较广的有HCZ,Logistic,Weibull等模型,它们得以应用的基本条件是油气田开发进入中、后期,产量进入递减阶段。在油气田开发初期,生产数据较少,这些产量预测模型的应用都存在一定的不适应性。对预测模... 详细信息

预测油气田产量的模型较多,其中应用较广的有HCZ,Logistic,Weibull等模型,它们得以应用的基本条件是油气田开发进入中、后期,产量进入递减阶段。在油气田开发初期,生产数据较少,这些产量预测模型的应用都存在一定的不适应性。对预测模型参数计算方法进行了改进,利用油气田开发初期少量数据即可获得模型参数,使产量预测模型的应用范围拓展到了油气田开发初期。同时,提出了模型优选方法,为不同油气田选择合理的产量预测模型提供了依据。

关键词：模型参数产量预测模型油气田产量

来源：评论

学校读者我要写书评

暂无评论

基于生长度日和降水量的韩国饲用玉米产量预测模型构建

引用

草业科学 2018年第4期35卷 857-866页

作者：彭京伦王娟金抆主曹武焕金炳完成庆一韩国江原大学动物生命科学学院江原道春川24341 育秀中学山东蒙阴276200 韩国江原大学动物资源研究所江原道春川24341 韩国农渔村青少年基金会首尔06242

本研究基于韩国不同地区的气象数据和饲用全株玉米(Zea mays)产量的历史记录数据,利用一般线性模型进行了饲用全株玉米的干物质产量预测模型的构建。作物产量等相关数据采集自韩国农业协同组合中央会饲料作物研究课题报告,气象数据采集... 详细信息

本研究基于韩国不同地区的气象数据和饲用全株玉米(Zea mays)产量的历史记录数据,利用一般线性模型进行了饲用全株玉米的干物质产量预测模型的构建。作物产量等相关数据采集自韩国农业协同组合中央会饲料作物研究课题报告,气象数据采集自韩国国家气象厅网站。经过4个步骤的数据整理,最终用于模型构建的数据集包含了22年间(1988-2011年)的775个数据点。以干物质产量为因变量,通过逐步回归分析,两个气象变量被选定为构建产量预测模型的最适气象变量。进一步,通过一般线性模型,构建了包含两个选定的气象变量和以虚拟变量形式考虑进模型的栽培地域变量的韩国饲用全株玉米产量预测模型:DMY=11.298SHAGDD-3.651SHP+1 089.870+Location。其中,DMY为饲用全株玉米的干物质产量,SHAGDD为播种到收获累积生长度日,SHP为播种到收获累积降水量。通过残差分析和10折交叉验证对所构建的模型进行了检验。根据此产量预测模型,可以发现作物生长期间的温度和降水量对饲用全株玉米的干物质产量有着显著的影响。因此,确定合理的播种和收获时间以使作物获得充分的生长对确保合理的作物产量有着重要意义。此外,基于韩国夏季降水相对集中的气象条件,选择拥有较好排水性的土地和较强耐涝性的作物品种,也是确保饲用全株玉米产量的重要因素。

关键词：饲用全株玉米气象数据一般线性模型产量预测模型

来源：评论

学校读者我要写书评

暂无评论

水平井-直井整体压裂组合井网产量预测模型的建立与应用

引用

特种油气藏 2012年第3期19卷 101-103,107页

作者：王志平朱维耀高英张玉广岳明北京科技大学北京100083 中油大庆油田有限责任公司黑龙江大庆163100

针对低渗透油藏水平井-直井整体压裂组合井网中裂缝-基质耦合渗流的特殊性,以等值渗流阻力法及叠加原理为基础,采用流场划分原则,划分渗流区域,建立多条横向裂缝相互干扰的水平井-直井整体压裂组合井网产量预测模型。分析水平井压裂缝... 详细信息

针对低渗透油藏水平井-直井整体压裂组合井网中裂缝-基质耦合渗流的特殊性,以等值渗流阻力法及叠加原理为基础,采用流场划分原则,划分渗流区域,建立多条横向裂缝相互干扰的水平井-直井整体压裂组合井网产量预测模型。分析水平井压裂缝长、裂缝条数、裂缝位置及与水平井筒的夹角对井网产量的影响,揭示低渗透油藏水平井-直井整体压裂组合井网开采变化规律,指导油田整体压裂开发方案设计。研究结果表明:裂缝条数越多,裂缝干扰越强,水平井压裂存在1个最优裂缝条数;压裂裂缝沿水平井筒等间距排布时,两端长、中间短的开发效果最好;水平井裂缝产生互相干扰时,裂缝越靠近水平段两端排布,开发效果越好;目标水平井-直井整体压裂组合采用矩形七点井网,水平井压裂裂缝与水平井筒最优夹角为60°。

关键词：整体压裂水平井横向压裂裂缝干扰产量预测模型组合井网

来源：评论

学校读者我要写书评

暂无评论

基于无人机图像时空特征的小麦产量预测模型研究

基于无人机图像时空特征的小麦产量预测模型研究

引用

作者：孙善一山东农业大学

学位级别：硕士

基于小麦群体表型数据的精准化管理已经成为当前智慧农业中的重要内容,明确小麦群体表型参数及其动态变化,对小麦生长管理和精准决策具有重要意义。本研究以冬小麦为研究对象,分别于2022-2023年在山东省泰安市马庄镇和山东省泰安市东平... 详细信息

基于小麦群体表型数据的精准化管理已经成为当前智慧农业中的重要内容,明确小麦群体表型参数及其动态变化,对小麦生长管理和精准决策具有重要意义。本研究以冬小麦为研究对象,分别于2022-2023年在山东省泰安市马庄镇和山东省泰安市东平县两个试验基地进行品种试验,通过设置不同品种试验,利用无人机连续进行作物群体表型图像采集,获取不同小麦品种不同生育期和不同距地高度的多光谱冠层影像,进一步基于Py Charm平台,利用Python语言提取图像特征参数和图像纹理特征参数,研究分析特征参数的时序变化和空间变化,同时分析不同品种及产量状态下表型特征的差异,综合使用线性回归、随机森林（RF）、偏最小二乘算法（PLS）方法构建基于作物群体表型图像特征的产量预测模型,构建作物图像特征和纹理特征与产量预测的最佳拟合模型,并对相关模型进行独立数据的检验,验证模型的稳定性和精确性。主要研究结果如下: 1.图像色彩特征参数变化随生育时期的变化,在BRRI、NDVI和PPE大部分参数在拔节期变化呈上升趋势,其中GRRI的增幅最大提高了50%;BRRI等大部分参数的总体变化在抽穗期呈减小趋势,其中GRRI的降幅最大降低1.44%;在灌浆到成熟期之间各参数呈现不同变化状态,GRRI、GBRI、NDVI、NGRDI、NGBDI、MGRVI、PPE在生育后期呈现先增加后减小的趋势,BRRI在生育后期呈现增加的趋势。不同空间高度,图像冠层特征参数变化趋势相同,在数值大小上返青期到拔节期基本一致,抽穗期到灌浆期变化差异大,成熟期变化变化差异小。从整体上看NDVI、GRRI、GBRI、NGRDI、PPE、MGRVI受高度影响变化小。不同品种间,图像特征参数在0.7-0.75归一化时间中,大部分图像特征参数差异显著,济麦22的变化率最大,轮选103的变化率最小;在0.75-0.925归一化时间中,品种间变化差异小;在0.925-1归一化时间中,大部分图像特征参数差异显著,其中太麦198的图像特征参数变化幅度最大,济麦22和轮选103变化趋势相似。不同产量梯度下,在灌浆初期,NDVI、BRRI、GRRI、MGRVI、NGBDI、NGRDI、PPE等大部分参数随着产量梯度的增大而上升的趋势。进入灌浆中期,NDVI等参数变化呈现先上升后下降的趋势。到成熟期,NDVI等参数均显示出随着产量梯度的增大而下降的趋势,NGBDI和NPCI指数在成熟期则表现出上升趋势。 2.图像纹理特征参数变化随生育时期的变化,返青期前H均值、对比度等大部分纹理参数的总体变化明显呈增加趋势,在拔节期到灌浆期之间H均值等大部分纹理参数的总体变化呈现先增大后减小反复波动趋势,在灌浆期到成熟期,灰度均值、对比度、相异性在生育后期呈现先减小后增加的趋势。不同空间高度,灰度均值、对比度、相异性随高度的增加数值增大,S均值、相关性随高度的增加数值减小,H均值数值几乎不变。图像冠层纹理特征参数随高度增加的变化影响大,H均值受高度影响变化小。不同品种间,H均值、S均值、相关性在归一化时间段0.7-0.75品种间差异大,数值上济麦22最大,轮选103最小,归一化时间段0.75-0.95整体的纹理特征参数大小和变化趋势相似,在归一化时间0.95-1品种间差异大,H均值中轮选103最大,济麦22最小。在对比度Contrast1、对比度Contrast2、相异性Dissimilarity1和相异性Dissimilarity2这四个参数上,轮选103的纹理特征数值大小高于济麦22。不同产量梯度下,灰度均值、H均值、S均值大部分图像纹理参数在灌浆初期呈现出先上升后降低趋势,而灰度均值、S均值和H均值在灌浆中期和成熟期则分别表现为先上升后下降和先下降后上升的趋势。 3.关键特征参数的筛选小麦冠层图像关键品种参数,随空间高度影响不显著;在不同品种之间差异要明显;各个品种必须满足两个或多个品种参数相关性要低,不可以有强相关性表现。通过上述图像特征筛选条件,图像特征参数GRRI、NGBDI、RGBVI,图像纹理特征参数H均值作为监测小麦产量的关键参数。 4.小麦产量预测模型的构建基于偏最小二乘算法构建的小麦产量预测拟合模型模型精度相对较好,预测产量模型为Y=（0.55175×B-GRRI）+（0.62949×B-NGBDI）-（0.2787×B-RGBVI）-（0.15253×A-H均值）+124.2593（A为灌浆初期,B为灌浆中期）,均方根误差RMSE为22.778,平均相对误差为2.191,决定系数R2为0.683。基于随机森林算法构建的小麦产量预测拟合模型次之,均方根误差RMSE为28.043,平均相对误差MRE为2.375,决定系数R2为0.607。基于灌浆中期NGBDI线性回归模型构建的拟合模型相对较差,

关键词：小麦无人机图像特征产量预测模型

来源：评论

学校读者我要写书评

暂无评论

基于关联规则的机组产量预测模型研究与应用

基于关联规则的机组产量预测模型研究与应用

引用

作者：庞古风大连理工大学

学位级别：硕士

企业在长期的生产过程中积累了丰富的生产数据，能否充分利用这些数据来提高生产管理水平，从而提高企业的经济效益和增强企业竞争力是工程技术人员和生产管理人员一直想解决的问题。数据仓库技术作为一种优化管理、提供决策支持的企... 详细信息

企业在长期的生产过程中积累了丰富的生产数据，能否充分利用这些数据来提高生产管理水平，从而提高企业的经济效益和增强企业竞争力是工程技术人员和生产管理人员一直想解决的问题。数据仓库技术作为一种优化管理、提供决策支持的企业数据解决方案，己经被许多大型企业所采纳。基于数据仓库的数据挖掘技术的核心思想就是从企业的海量数据中挖掘出有效的、新颖的、可用于企业决策分析的规律或模式。本文以上海宝钢股份有限公司冷轧薄板厂各机组生产过程为背景，结合“薄板轧制优化自动排产及分析评价综合系统”的开发，研究了基于数据仓库与数据挖掘的建模技术，并根据该企业生产情况，建立了用于冷轧薄板生产过程的机组产量预测模型。本文对基于增量关联挖掘算法，提出一种改进的增量挖掘算法，除了有效地挖掘出强规则外，还可以挖掘出强规则中的趋势规则，提高了挖掘规则的完整性。在需求分析、粒度设计、建立概念模型、事实表和维度表设计的基础上，建立了数据仓库，并将上海宝钢股份有限公司冷轧薄板厂原有数据库系统的历史数据，经过抽取、转换和装载等过程加载到数据仓库中。根据数据仓库中的历史数据以及现场生产管理人员的专家经验，利用改进的增量挖掘算法，开发了产量预测系统，实现了以历史生产数据和专家经验为基础的机组产量预测，并可给出趋势提示。所建立的产量预测系统已经在宝钢冷轧薄板厂投入运行，其预测精度满足现场生产管理人员的要求，提高了宝钢冷轧薄板厂的生产管理水平。

关键词：数据仓库数据挖掘关联规则产量预测模型

来源：评论

学校读者我要写书评

暂无评论

基于无人机遥感数据的冬小麦产量预测模型研究

基于无人机遥感数据的冬小麦产量预测模型研究

引用

作者：赵泽阳西北农林科技大学

学位级别：硕士

小麦作为我国主要的粮食作物之一,其生产能力对于保障我国人民生活和国家粮食安全具有十分重要的意义。近年来,无人机遥感监测技术以其高效、无损、实时的特点,在农业领域得到广泛应用,为产量精准预测提供了一种新的方法。为实现作物产... 详细信息

小麦作为我国主要的粮食作物之一,其生产能力对于保障我国人民生活和国家粮食安全具有十分重要的意义。近年来,无人机遥感监测技术以其高效、无损、实时的特点,在农业领域得到广泛应用,为产量精准预测提供了一种新的方法。为实现作物产量的准确预测,本研究以冬小麦作物为研究对象,在冬小麦关键生育时期（扬花期、灌浆中期、灌浆后期、蜡熟期、完熟期）进行了五次无人机多光谱数据和高分辨率RGB图像的采集。其中,基于高分辨率的小麦RGB冠层图像,使用深度学习网络,构建小麦麦穗识别和分割模型;基于多光谱数据,提取多种植被指数,并结合穗数与小麦穗部面积进行产量反演得到最佳小麦产量估测模型,主要结果如下: （1）构建了一套多品种、多生育时期的大田条件下的麦穗检测、分割数据集。针对麦穗检测,提出的Det-ear麦穗检测模型,在检测精度方面Map0.5=97.2%,参数量为1.64Mb,计算复杂度为5.8G,模型大小为3.54Mb,检测速度为163FPS;对与麦穗分割,提出的Seg-ear麦穗分割模型,在分割精度方面Map0.5为88.6%,参数量为1.70M,计算复杂度为9.4G,模型大小为3.47Mb,分割速度为159FPS。两个模型无论是精度还是轻量化方面均优于现有轻量化的检测模型或分割网络。（2）基于多光谱植被指数的产量预测模型,对于单一生育时期的产量预测模型,最佳的预测时期是灌浆中期,最优模型是RF模型,产量预测精度R2=0.655,RMSE=0.550kg/m2,RF模型与BP神经网络预测效果优于PLSR和SVR。对于多生育时期的产量预测模型,最优模型是结合三生育时期（扬花期、灌浆期、成熟期）的RF模型,R2=0.834,RMSE=0.381 kg/m2。（3）基于RGB数据,使用Det-ear、Seg-ear提取各生育时期麦穗的数目与穗部像素面积,构建基于穗数-穗部面积的产量预测模型,最优模型为RF模型,R2=0.652,RMSE=0.552 kg/m2。基于多光谱数据与RGB数据结合,对产量进行预测,其中:结合穗数与植被指数的最优模型是灌浆中期的RF模型,R2=0.688,RMSE=0.523 kg/m2;结合穗面积与植被指数的最优模型是灌浆中期的RF模型,R2=0.738,RMSE=0.450 kg/m2。结合穗数、穗面积和植被指数的最优模型是灌浆中期的RF模型,R2=0.780,RMSE=0.439kg/m2。基于多生育时期的植被指数、穗数和穗面积的最优模型是结合三生育时期（扬花期、灌浆期、成熟期）的RF模型,R2=0.868,0.341 kg/m2。

关键词：多光谱 RGB 目标检测实例分割产量预测模型冬小麦

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：