基于主成分分析与模糊BP方法的藻类繁殖状态预测

将主成分分析（PCA）与模糊反向传播（BP）网络建模方法相融合,提出了PCA-模糊BP方法并用于藻类繁殖状态的预测,建立了叶绿素a含量的预测模型.采用PCA对各类采集数据进行预处理,并将PCA所得各理化因子作为模糊BP网络的输入变量,叶绿素a的含量作为模糊BP网络的输出变量,经过学习训练,获得藻类繁殖状态的预测模型.结果表明,PCA-模糊BP方法降低了各类输入样本数据之间的相关性和模型系统的维数,加快了模糊BP网络的收敛速度,其与典型BP神经网络模型相比,具有更快的计算速度和更高的预测精度,能够较好地预测海洋藻类繁殖的生长状况.
     

基于软传感器技术的海水富营养化监测

藻类的繁殖生长状态很难用一种传感器在线、实时地直接测量出来。影响藻类生长的环境理化因子众多,这些环境因子之间又相互作用,海洋生态环境是一个高度复杂的非线性系统,很难用传统的机理建模方法来描述。文中用T-S模糊神经网络描述这种复杂的非线性系统,通过构造软传感器来测量藻类的繁殖生长状况。将叶绿素a的含量作为描述藻类生长状态的直接指标,并作为系统的输出变量,通过相关性分析,将影响藻类繁殖生长的主要环境因子作为系统的输入变量,通过对样本的学习训练,构造基于T-S模糊神经网络的软传感器模型。实验结果表明,这种软传感器模型能较好地描述可测环境因子与海水叶绿素a含量之间的非线性映射关系,验证了这种软传感器在监测海水水质异常变化时的有效性。     

COREX冷煤气成分预测的二步建模方法

针对熔融气化炉冷煤气成分含量,提出了基于熵权模糊C均值聚类和偏最小二乘的COREX冷煤气成分预测方法.建模过程中首先根据料单中各种原料的单耗量,利用熵权模糊C均值聚类的方法将料单聚类成若干种料单类别,然后针对不同的料单类别,利用偏最小二乘法分别建立冷煤气成分预测模型.对宝钢COREX-1#炉实际生产数据验证结果表明:该方法可以有效地建立COREX冷煤气成分预测模型,具有较好的预测精度.     

智能数据预处理在浮选过程中的应用

针对反浮选过程的被控对象复杂、数学模型不确定以及控制要求高等特点,提出一种基于主元分析和模糊聚类的数据预处理算法.采用模糊C均值聚类算法得到聚类中心,进行线形回归从而对过程变量数据进行了预处理.主元分析法则用来进行辅助变量的选取和输入高维向量的降维简化,针对主元变量采用径向基函数网络建立了系统经济技术指标的预测模型.根据工业实际生产数据进行的模型校验和误差分析表明,能够满足浮选过程控制的精度要求.     

基于BP神经网络与加权模糊马尔可夫链的粮食组合预测模型

根据数据序列具有宏观变化、微观波动、相近性和相依性,建立了基于BP神经网络与模糊加权马尔可夫链的数据预测模型.首先利用BP神经网络对数据拟合,对残差进行模糊C均值聚类得到马尔可夫链的状态区间,以此求出状态转移概率矩阵,并利用归一化后的自相系数对其进行改进,确定出预测数据所属状态区间,根据状态区间求出预测值.从实例分析表明该文算法具有较高的精确度和可靠性,应用前景广阔.     

城市环路交通状态自适应判别方法

针对城市环路交通拥挤问题,提出基于模糊C均值聚类与灰色聚类的交通状态自适应判别算法.首先运用模糊C均值聚类对交通状态边界进行划分,得到各个交通状态的门阀值,进而利用灰色聚类模型对交通状态进行判别,避免聚类方法容易陷入局部最优解的问题,同时减少灰色聚类参数设定的主观性.通过对福州二环路实测交通流数据的计算分析表明,不同路段的交通状态存在显著差异,城市环路交通状态自适应判别方法能够较好地针对不同路段判别交通状态.     

基于免疫遗传和顺序支持向量分类机的DTG健康状态评估

针对无监督情况下动调陀螺仪健康状态评估问题,提出一种两阶段健康状态评估模型. 首先,在利用HHT数据预处理的基础上,为克服FCM算法初值敏感及遗传算法过早收敛等问题,提出一种加权免疫遗传模糊C均值聚类模型;其次,针对聚类结果数据的顺序性,建立基于顺序支持向量分类机的健康状态评估模型. 实例结果表明提出的聚类模型具有较高的收敛精度和收敛速度,评估模型具有较高的准确率和效率.      

智能数据预处理在浮选过程中的应用

针对反浮选过程的被控对象复杂、数学模型不确定以及控制要求高等特点，提出一种基于主元分析和模糊聚类的数据预处理算法。采用模糊C均值聚类算法得到聚类中心，进行线形回归从而对过程变量数据进行了预处理。主元分析法则用采进行辅助变量的选取和输入高维向量的降维简化．针对主元变量采用径向基函数网络建立了系统经济技术指标的预测模型。根据工业实际生产数据进行的模型校验和误差分析表明，能够满足浮选过程控制的精度要求。     

基于CPTU测试数据管桩承载力预测新方法

运用模糊K-均值聚类算法,针对层状地基,建立基于CPTU测试数据的轴向受荷单桩承载力的预测模型,编制MATLAB程序并进行预测分析,考虑静力触探过程中沿桩长的全部连续记录数据,改进对奇异数据的处理方法,并与传统预测桩基承载力的CPT方法比较发现：该方法预测的桩基承载力更接近现场实测值,且精度更高.     

优化的粗神经网络在机械故障中的预测研究

为了尽早发现机械故障,做到防患于未然,实施安全生产,在神经网络中引入粗糙集理论和模糊聚类方法,实现建模预测。首先用粗糙集和模糊聚类进行属性约简,去掉冗余的属性。然后根据模糊逻辑规则获取合理的网络输入层、隐含层和输出层,建立优化的粗神经网络预测模型。该模型可以有效地去除神经网络中输入层的冗余神经元,合理的确定隐含层神经元的数目,使神经网络提高了收敛性能,获得更好的非线性逼近能力。应用车床的机械振动采样数据进行仿真实验,结果说明：优化的粗神经网络预测模型,可提取有用信息、简化网络结构,减少训练时间,提高预测精度。在机械振动位移的采样数据预测实验中,取得了良好的效果,对于减少机械故障、实现安全生产、提高经济效益具有重要意义。     

紫外光浸入式照射对铜绿微囊藻的去除

通过与常规照射方式对比,研究185nm紫外光浸入铜绿微囊藻溶液中接触式照射对铜绿微囊藻光密度、叶绿素a、可溶性蛋白及细胞结构的影响,考察不同初始质量浓度及通入空气量对各指标去除效果的影响.结果表明,光密度、叶绿素a质量浓度、可溶性蛋白质量浓度最终分别下降87.1%,99.8%和99.7%,去除效果明显优于常规方式的紫外照射.随着初始值的增加,叶绿素a的去除率,可溶性蛋白的降解速率减慢.通气量增加,各指标去除率有所增加,但差异不显著,在浸入照射方式下,氧对紫外光作用的催化效果不明显.185nm紫外光使铜绿微囊藻的细胞结构短时间受损,胞内物质结构及胞外物质均产生显著变化,藻细胞畸变.185nm紫外光在浸入方式下,短时间可以有效灭活藻细胞,降低其生理活性及生长速率.浸入式照射的强氧化性使各指标去除效果明显优于常规方式的紫外照射,并在后续培养中未出现光复活现象.     

海洋酸化正负效应:藻类的生理学响应

大气CO2浓度升高,引起海洋酸化,使得海水pCO2、H+和HCO3-浓度增加,CO32-浓度下降,并导致CaCO3的饱和度下降.海水pCO2升高,促进某些藻类的光合作用与生长,特别是在光能不足的情况下,这种促进效应尤其明显.然而,海水酸性的增加导致钙化藻类钙化量下降,蒙受阳光UV辐射的损害增加,威胁其生存.即使非钙化藻类,如某些硅藻类和赤潮藻类,pCO2升高引起的海水酸性增加可降低其耐受高光胁迫的能力,加大光抑制,且增加其呼吸作用.因此,海洋酸化究竟会导致海洋光合固碳量增加还是减少,取决于酸化与CO2浓度升高"双刃剑"效应的平衡,也就是取决于海洋酸化正、负效应的平衡.在不可逆转的海洋酸化进程中,藻类必然进行生理调节并适应酸化带来的海水化学胁迫,由此,遗传或进化方面的变化也会发生.海洋从大气中吸收CO2的量,依赖于藻类光合作用驱动的CO2生物泵,自然也依赖于海洋酸化的正、负效应.     

基于穷举法的鄱阳湖叶绿素a浓度高光谱反演模型与应用研究——以GF-5卫星AHSI数据为例

光学特性复杂的浑浊水体叶绿素a浓度反演一直是水环境遥感研究的难点，高光谱以其波宽窄、谱段多、获取地物信息近似连续等优势，有望成为解决该难题的有效手段.该文以鄱阳湖为研究水域，利用2009年10月、2011年7月及2016年10月获取的实测高光谱及叶绿素a浓度数据，基于穷举法建立了针对高分五号(Gaofen-5， GF-5)卫星可见短波红外高光谱相机(Advanced HyperSpectral Imager， AHSI)的叶绿素a浓度三波段反演模型(决定系数R2＝0.82；均方根误差RMSE＝1.468 μg·L－1).通过与2018年10月7日Sentinel-2A卫星多光谱成像仪(MultiSpectral Instrument， MSI)的叶绿素a浓度反演结果对比分析，两者的空间分布具有较高的一致性，超过80%的研究水域相对偏差小于8%，在一定程度上证明了GF-5卫星高光谱数据在浑浊水体叶绿素a浓度反演中的潜力.     

原位叶绿素a光纤荧光传感器研制

运用荧光检测技术,设计了一款用于海水中叶绿素a含量检测的在线式光纤传感器。该传感器基于光纤传输与荧光分析法,通过对激发荧光信号的捕捉、传输以及解析达到在线快速检测叶绿素a的目的。实验结果表明,该传感器的响应值与叶绿素a的浓度具有良好的线性关系,检测性能稳定,且具有体积小、传输速度快等特点,初步具备了海水中叶绿素a含量的现场检测能力。     

荧光法海水叶绿素a传感器设计

基于荧光诱导叶绿素检测原理, 应用荧光诱导和微弱信号检测技术,设计了荧光叶绿素a传感器。实验结果表明,叶绿素a的浓度与系统测量值具有很好的线性关系,线性拟合系数为0.999。该传感器具有小型化、易于操作的特点,可实现对海水叶绿素a浓度的原位监测。     

基于环境一号HSI高光谱数据提取叶绿素a浓度的混合光谱分解模型研究

随着遥感技术的应用推广以及对研究精度的要求提高,越来越多的研究注意到混合像元的问题。在水质遥感监测中传感器探测的水体辐射亮度值是纯水和各种水质参数辐射亮度值的叠加,混合像元问题严重影响了水质定量遥感反演的准确性。基于环境一号HSI高光谱数据,首先分析了混合光谱分解模型的物理基础,然后基于采样点浓度大小和PPI(纯净像元指数)方法在遥感影像上提取纯水和叶绿素a的端元波谱,并利用线性光谱分解方法得到叶绿素a的丰度值找丰度值与叶绿素a浓度值之间的统计关系,建立了叶绿素a浓度反演的混合光谱分解模型,且反演精度较高。本文为水质定量遥感提供了一种新的思路。     

长江口水质MERIS卫星数据遥感反演研究

【目的】获取准确的水质参数分布情况,进而对水质参数与动力作用复杂的河口水域环境进行综合评价。【方法】利用2011年5月30组长江口水域的遥感反射率数据,在尝试多种波段组合以及不同函数形式后,针对叶绿素a浓度和总悬浮物浓度分别建立最优经验反演模型。【结果】对总悬浮物浓度,波段差值(634~644nm)的二次函数形式最优,决定系数R~2为0.837,均方根误差(RMSE)为0.226mg·L~(-1),利用独立的验证样本得到平均绝对百分比误差(MAPE)为58.2%。对叶绿素a浓度,波段比值(650nm/644nm)的二次函数形式最优,R~2为0.552,RMSE为0.486mg·m~(-3),利用独立的验证样本得到MAPE为66.2%。将模型运用于2011年5月MERIS卫星数据,反演出长江口水域叶绿素a浓度与总悬浮物浓度空间分布图,叶绿素a浓度呈现出从河口向外海逐渐减少的趋势,最大值出现在舟山群岛附近。总悬浮物浓度呈阶梯状向外海减少。【结论】通过评价参数可看出,总悬浮物浓度反演模型对总悬浮物浓度反演效果较为准确,而叶绿素a浓度反演模型显示对叶绿素a的反演浓度较低。     

Isolation of a spermatozoid-releasing and -attracting substance from female gametophytes of Laminaria digitata

SEVERAL dioecious marine brown algae have been valuable in studying chemical communication during sexual reproduction. For example, female gametes of Ectocarpus siliculosus, Cutleria multifida and Fucus serratus secrete olefinic hydrocarbons into the seawater to attract male gametes(1-3). A more complex system is found in the order Laminariales, which includes the large kelps. Mature female gametophytes in members of this group secrete highly volatile material with spermatozoid-attracting activity, which also induces explosive discharge of antheridia(4). We report here a study of this volatile material. It is now possible to attribute spermatozoid-releasing and -attracting activity to one specific compound.