磨盘山次生杂木林群落主要树种空间分布格局

应用泊松分布、负二项分布两种理论分布模型,对取自磨盘山的次生杂木林群落花曲柳、蒙古栎和春榆种群的样方资料进行了分布格局的研究.结果 表明,3种树种的实际频数符合负二项分布,因此判定种群的分布格局为聚集分布.通过对种群的聚集强度指数的计算,求得3树种的各参数为:扩散型指数(Iδ)为1.219 8,0.527 2,0.208 1;丛生指标(f)为2.622 5,3.586 9,2.505 4;负二项参数(K)为7.149 8,0.464 7,0.628 3;Cassie指标(CA)为0.139 9,2.152 2,1.598 7;扩散系数(C)为3.622 5,4.586 9,3.505 4,均表明为聚集分布(除蒙古栎、春榆的扩散型指数(Iδ)表明其属于均匀分布).     

基于深度极限学习机的柴油机尾气排放预测

准确预测拖拉机等柴油机械实际工况污染物排放在排放清单建立和区域污染物排放控制方面具有重要意义。基于拖拉机不同运行状态下发动机转速、油耗、燃烧比、CO、HC、NOX和PM等实测数据作为数据源,建立深度极限学习机(Deep Extreme Learning Machine,DELM）的预测模型,并对拖拉机怠速、行走和旋耕等基本工况下的污染物排放进行预测。为进一步评估DELM预测模型的适应性,将其与支持向量机(support vector machine, SVM)和前馈神经网络(Back propagation neural network, BPNN)模型进行对比分析。结果表明,1）DELM模型在预测排放时间序列方面具有一定优势,其预测拖拉机在怠速、行走和旋耕3种状态下的NOX、HC、CO和PM排放均方根误差均值分别为5.269×10-5、5.195×10-5、5.135×10-5和2.795×10-5。2）DELM模型与SVM和BP对比发现,DELM模型在鲁棒性以及适应性方面的优势显著。3）DELM方法的较高的准确度和泛化性,为基于发动机状态数据预测移动源尾气排放提供思路和方法。