期刊文献+
共找到9篇文章
< 1 >
每页显示 20 50 100
基于叶片形态的毛竹单叶叶面积模型 被引量:10
1
作者 巫娟 胡姝珍 +4 位作者 茅思雨 邹凯 郑淇元 邱啟璜 施建敏 《林业科学》 EI CAS CSCD 北大核心 2020年第8期47-54,共8页
【目的】毛竹叶片小、易卷曲的特点增加了叶面积测量的难度和测量误差,本研究旨在建立快速、便捷、准确测量毛竹叶片面积的模型。【方法】采集7个省份的毛竹叶片,对毛竹叶片形态进行分类,利用叶长、叶宽数据和扫描所得实际叶面积进行建... 【目的】毛竹叶片小、易卷曲的特点增加了叶面积测量的难度和测量误差,本研究旨在建立快速、便捷、准确测量毛竹叶片面积的模型。【方法】采集7个省份的毛竹叶片,对毛竹叶片形态进行分类,利用叶长、叶宽数据和扫描所得实际叶面积进行建模,并采用均方根误差、卡方、赤池信息量准则和预测精度检验模型的精度,同时与叶面积仪测定结果进行精度比较。【结果】1)根据长宽比,毛竹叶片可以分为3类,分别是类三角形叶片(长宽比≤7.2)、长椭圆叶片(7.2<长宽比≤8.3)和细长条叶片(长宽比>8.3);2)对毛竹叶面积和叶形态学指标的相关分析显示,叶片长度与宽度的积对叶面积影响最大,相关系数为0.993;3)建立以叶片长宽积为自变量的叶形分类拟合模型,其决定系数为0.9901、均方根误差为0.1596、卡方值为10.3681、赤池信息量准则为-6317.10、预测精度为97.73%,其预测结果最佳,优于叶形不分类的整体拟合和叶面积仪测量结果。【结论】基于叶片形态分类的毛竹叶面积拟合模型仅需测定叶片的长和宽,便可准确预测叶片面积,其精度不但优于叶面积仪与整体拟合结果,而且测量过程快速、便捷。该模型可解决长期困扰的毛竹叶片面积测量难题。 展开更多
关键词 分类拟合 叶面积仪 扫描 叶形 长宽比
下载PDF
CINRAD-SA偏振雷达定量降水估测算法改进及应用评估 被引量:5
2
作者 郭佳 吴艳锋 +1 位作者 罗丽 肖辉 《气候与环境研究》 CSCD 北大核心 2020年第3期305-319,共15页
为了提高雷达定量降水估测的精度,建立一套高精度的双偏振雷达定量降水估测方法,并对其在业务应用中的表现进行评估。本文利用雨滴谱仪数据使用非球形粒子的散射模型(T-Matrix模型)进行不同偏振量的模拟计算,根据计算结果对实测雨滴谱数... 为了提高雷达定量降水估测的精度,建立一套高精度的双偏振雷达定量降水估测方法,并对其在业务应用中的表现进行评估。本文利用雨滴谱仪数据使用非球形粒子的散射模型(T-Matrix模型)进行不同偏振量的模拟计算,根据计算结果对实测雨滴谱数据(DSD)进行分类拟合,实现对CSU-HIDRO(Colorado State University-Hydrometeor Identification Rainfall Optimization)优化降水估测算法的改进。为了评估改进后CSUHIDRO优化算法(简称CSU-HIDRO_I)的应用效果,本文选取2016~2017年两年汛期发生于中国华南地区的6次大范围强降水过程为评估对象,分别采用单偏振雷达定量降水估测的R(ZH)关系法(WSR-88D Precipitation Processing System,简称PPS法)和CSU-HIDRO_I法进行小时降水量估测。按照不同降水率大小以及距离雷达20~60 km和60~100 km范围分别对两种降水估测方法进行评估,并将雷达估测的小时降水量同地面雨量计小时降水量资料进行对比,结果表明:(1)CSU-HIDRO_I法在应用评估过程中取得了较好的评估效果,其估测精度及稳定性均较好。(2)PPS法对小雨(降水率R<2.5 mm/h)存在一定的高估,对大雨及暴雨(R>8 mm/h)存在明显低估,而CSU-HIDRO_I法能够有效的降低强降水的低估情况,同时提高了小雨的估测精度。与PPS法相比,CSU-HIDRO_I法对小雨、中雨、大雨及暴雨的估测偏差分别降低了38%、24%、17%、15%。(3)PPS法在降水估测中对离雷达的距离更为敏感,相同降水率下不同距离处的相对误差波动较大,CSU-HIDRO_I法对距离敏感性较弱,相同降水率强度下,相对误差随距离的变化波动较小。 展开更多
关键词 双偏振雷达 T-Matrix模型 分类拟合 定量降水估测 效果评估
下载PDF
6种西番莲属(Passiflora)植物叶面积经验模型构建 被引量:4
3
作者 吴凤婵 李安定 +2 位作者 蔡国俊 谭仲廷 杨瑞 《果树学报》 CAS CSCD 北大核心 2021年第9期1600-1610,共11页
【目的】构建6种西番莲属植物最优叶面积(LA)经验模型,为这6种西番莲属植物生理生态及栽培技术等方面的研究提供理论基础,初步探讨LA模型构建的一般规律。【方法】以6种西番莲属植物叶片为研究材料,采用计算机图像法测量各树种叶片长(L... 【目的】构建6种西番莲属植物最优叶面积(LA)经验模型,为这6种西番莲属植物生理生态及栽培技术等方面的研究提供理论基础,初步探讨LA模型构建的一般规律。【方法】以6种西番莲属植物叶片为研究材料,采用计算机图像法测量各树种叶片长(L)、叶片宽(W)、叶片面积(LA),并以LA为因变量,L、W及LL、WW、LW为自变量,选取12种目标模型,分别构建各物种LA经验模型,选取其中2个叶形相似、叶长宽比相近的西番莲属植物合并建模,并对这些模型进行评估以筛选出最优LA经验模型。【结果】6种西番莲属植物的最优LA经验模型分别为:紫果西番莲:LA=0.529 L1.141W0.868;樟叶西番莲:LA=0.828 L0.933W1.054;尤卡坦西番莲:LA=0.665 L0.665W1.367;西番莲:LA=0.559 L1.154W0.797;龙珠果:LA=0.763L0.64W1.327;玛格丽特女士西番莲:LA=0.6 L0.213,6种西番莲属植物的最优LA经验模型预测精度范围为91.28%~95.54%,紫果西番莲与玛格丽特女士西番莲合并构建的最优LA模型的预测精度为(92.08±0.56)%。【结论】构建LA经验模型预测这6种西番莲属植物LA预测精度均在90%以上,说明构建LA经验模型预测这6种西番莲科西番莲属植物的LA是可靠的;2种叶形相似、叶长宽比相近的西番莲属植物合并建模,得到的模型预测精度较高,初步表明叶形相似、叶长宽比相近的植物合并建模预测LA具有一定的可行性。 展开更多
关键词 西番莲属 叶面积 经验模型 分类拟合
下载PDF
基于叶形分类的5种竹子叶面积预测模型研究
4
作者 巫娟 李思卓 +1 位作者 刘上 胡姝珍 《生物灾害科学》 2023年第1期72-79,共8页
【目的】为提高竹类植物叶面积模型的适用性,为生产实际中的叶面积测量提供快速、准确、便捷的方法。【方法】研究通过对叶面积大小悬殊的观音竹(Bambusa multiplex var.riviereorum)、唐竹(Sinobambusa tootsik)、桂竹(Phyllostachys r... 【目的】为提高竹类植物叶面积模型的适用性,为生产实际中的叶面积测量提供快速、准确、便捷的方法。【方法】研究通过对叶面积大小悬殊的观音竹(Bambusa multiplex var.riviereorum)、唐竹(Sinobambusa tootsik)、桂竹(Phyllostachys reticulata)、中华大节竹(Indosasa sinica)和箬竹(Indocalamus tessellatus)等5种竹子按照叶形进行分类,利用长宽积和扫描实际叶面积进行叶形分类和不分类(整体)建模,并采用均方根误差、残差平方和、预测精度来检验模型的精度,并与叶面积仪测量的面积进行对比。【结果】5个竹种按叶形分类拟合的R^(2)值(观音竹0.9884、唐竹0.9879、桂竹0.9858、中华大节竹0.9935、箬竹0.9939)均大于0.98,模型预测精度(观音竹95.08%、唐竹96.68%、桂竹96.64%、中华大节竹97.51%、箬竹97.61%)均大于95%,比整体拟合准确度高;分类拟合的均方根误差(0.07~2.58)和残差平方和(0.57~600.35)均比整体拟合小。5个竹种检验结果的R2值均大于0.98,预测精度也均大于95%。【结论】研究提出的5个竹种叶面积分类拟合测算模型准确、快捷,可用于叶片面积测量,解决了竹类植物叶片面积测量难的问题,为其相关的生态学研究和经营生产提供了基础。 展开更多
关键词 竹类植物 叶面积模型 叶形 叶片大小 分类拟合
下载PDF
3种丛生竹叶面积预测模型研究 被引量:2
5
作者 王进杰 杨军 +4 位作者 胡姝珍 巫娟 谈太腾 张振烨 武红燕 《南方林业科学》 2020年第1期7-12,共6页
竹叶具有泡状细胞,失水易卷曲,增加了竹类植物叶面积测量的难度,本研究探求一种快速、准确、便捷测量丛生竹叶面积的方法。通过将孝顺竹、花孝顺、小佛肚竹叶片按照叶形进行分类,利用叶片长宽积和扫描实际叶面积进行建模,并采用均方根... 竹叶具有泡状细胞,失水易卷曲,增加了竹类植物叶面积测量的难度,本研究探求一种快速、准确、便捷测量丛生竹叶面积的方法。通过将孝顺竹、花孝顺、小佛肚竹叶片按照叶形进行分类,利用叶片长宽积和扫描实际叶面积进行建模,并采用均方根误差、残差平方和、预测精度来检验模型的精度,并与叶面积仪测量的面积进行对比,结果表明:(1)单个竹种和3个竹种合并拟合模型的叶面积测量结果均具有高精度(R^2>0.99,预测精度>97%),且优于叶面积仪测量的结果;(2)以叶片长宽的积建立了叶形分类拟合模型,模型的决定系数为0.9907、均方根误差为0.3525、残差平方和为312.6867、预测精度为97.28%,其预测结果优于叶面积仪测量结果。本研究建立的丛生竹叶片面积分类拟合模型快速、准确、便捷,仅需测量叶片长宽便可精准测量丛生竹叶面积,达到了预期目标,解决了叶面积测量难题,为丛生竹相关的生态学研究和经营生产提供了技术支撑。 展开更多
关键词 丛生竹 分类拟合 叶面积仪 叶形
下载PDF
厚竹叶面积预测模型研究
6
作者 胡姝珍 陈永镇 +3 位作者 巫娟 刘上 李思卓 施建敏 《南方林业科学》 2022年第5期23-26,共4页
厚竹是毛竹优良品种,其叶片比毛竹小,竹叶易失水卷曲,叶面积测量误差大。基于前期毛竹叶面积预测模型研究,根据叶形对厚竹叶片进行聚类分析并将之分为3类,通过实际叶面积和叶片长宽之积进行建模,以叶面积仪所测量数据作为对照,并利用RMS... 厚竹是毛竹优良品种,其叶片比毛竹小,竹叶易失水卷曲,叶面积测量误差大。基于前期毛竹叶面积预测模型研究,根据叶形对厚竹叶片进行聚类分析并将之分为3类,通过实际叶面积和叶片长宽之积进行建模,以叶面积仪所测量数据作为对照,并利用RMSE、SSE以及预测精度3个指标来验证模型预测精度。结果表明:厚竹叶片按长宽比分为3类,长宽比≤7.38、7.38<长宽比≤8.58、长宽比>8.58;按叶形的分类拟合与不分类的整体拟合R2值均大于0.95,远超叶面积仪测量结果(R2值为0.89),模型预测精度分别为95.94%、95.39%;分类拟合的均方根误差和残差平方和均最小,仅为0.40和39.88。 展开更多
关键词 厚竹 叶面积 预测模型 分类拟合 叶形
下载PDF
多元线性回归模型预测2020年奥运会成绩
7
作者 杨钦崴 《电子制作》 2018年第4期121-123,共3页
奥林匹克运动会是世界上最受瞩目的体育赛事,旨在通过体育技能的切磋,鼓励人们积极进行体育运动,并促进人们互相了解、友好交流,是属于全世界人们的盛会。历届奥运会期间,各国取得的奖牌数量无疑是人们谈论最多的话题之一。近年来,数据... 奥林匹克运动会是世界上最受瞩目的体育赛事,旨在通过体育技能的切磋,鼓励人们积极进行体育运动,并促进人们互相了解、友好交流,是属于全世界人们的盛会。历届奥运会期间,各国取得的奖牌数量无疑是人们谈论最多的话题之一。近年来,数据挖掘处理技术的极速发展为社会生产生活提供了极大的效益和便利。本文利用SPSS、EXCEL等软件,使用回归、决策树、聚类等经典机器学习算法,对历史成绩、综合国力、地区差异、人口数量等若干数据进行了统计和分析。 展开更多
关键词 奥运金牌预测 分类拟合 地域差异 多元线性模型
下载PDF
基于核自组织映射-前馈神经网络的交通流短时预测 被引量:12
8
作者 龚勃文 林赐云 +1 位作者 李静 杨兆升 《吉林大学学报(工学版)》 EI CAS CSCD 北大核心 2011年第4期938-943,共6页
提出了一种基于KSOM-BP神经网络的交通流短时预测模型。利用基于核函数的样本自组织映射神经网络(KSOM),在没有任何先验知识的情况下,自组织、自学习地将具有相似统计特性的历史样本划分成一类,促使分类样本统计特性更集中显著。对每个... 提出了一种基于KSOM-BP神经网络的交通流短时预测模型。利用基于核函数的样本自组织映射神经网络(KSOM),在没有任何先验知识的情况下,自组织、自学习地将具有相似统计特性的历史样本划分成一类,促使分类样本统计特性更集中显著。对每个类别的样本分别建立动量-自适应学习速率的BP神经网络预测模型,以期提高交通流短时预测精度,减少预测时间。结合实际城市道路数据对模型进行验证。验证结果表明:KSOM-BP神经网络的预测误差统计指标MARE小于7%,比基于全部样本训练的BP神经网络的MARE减少4%左右;同时,KSOM-BP神经网络建模时间更短,证明了本文方法的有效性和先进性。 展开更多
关键词 交通运输系统工程 交通流短时预测 样本分类拟合 KSOM-BP神经网络 动量-自适应学习速率
下载PDF
洋山深水港区四期工程接岸结构冲刷分析
9
作者 刘丽娜 黄明毅 李立 《港工技术》 2014年第2期5-7,共3页
水工建筑物前沿底部冲刷严重,将对建筑物的稳定性造成巨大威胁。洋山深水港区四期工程接岸结构西端区域进行了定期的水下地形测量,本文根据取得的实测数据资料,对洋山水域的水深变化趋势进行分析及分类拟合预测,并与现行规范理论计算结... 水工建筑物前沿底部冲刷严重,将对建筑物的稳定性造成巨大威胁。洋山深水港区四期工程接岸结构西端区域进行了定期的水下地形测量,本文根据取得的实测数据资料,对洋山水域的水深变化趋势进行分析及分类拟合预测,并与现行规范理论计算结果进行对比、分析得出相关结论,供洋山附近及类似工程参考。 展开更多
关键词 冲刷 水下地形测量 水深变化 分类拟合预测
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部