【摘 要】
：
采用膜下滴灌节水栽培模式,通过建立甜菜水、氮供应与产质量回归模型,并采用模拟寻优的方法,研究了甜菜水氮耦合产质量达到最优时的适宜施氮量和灌水量.结果表明:甜菜产量与灌水量、施氮量的回归模型为Y=-0.127N×N+44.356N-0.004N×W+10.797W-0.004W×W,采用模拟寻优方法得出最佳灌水量和施氮量分别为1193.59~1227.5 m3/hm2和162.09~167.58 kg/hm2;含糖率与灌水量、施氮量的回归模型
【机 构】
：
内蒙古农业大学甜菜生理研究所,内蒙古自治区农牧业科学院特色作物研究所
【基金项目】
：
现代农业产业技术体系资助项目(CARS-170201).
论文部分内容阅读
采用膜下滴灌节水栽培模式,通过建立甜菜水、氮供应与产质量回归模型,并采用模拟寻优的方法,研究了甜菜水氮耦合产质量达到最优时的适宜施氮量和灌水量.结果表明:甜菜产量与灌水量、施氮量的回归模型为Y=-0.127N×N+44.356N-0.004N×W+10.797W-0.004W×W,采用模拟寻优方法得出最佳灌水量和施氮量分别为1193.59~1227.5 m3/hm2和162.09~167.58 kg/hm2;含糖率与灌水量、施氮量的回归模型
其他文献
研究了作用变量与角变量不同维情形下的小扭转映射,并且在映射满足Rüssmann非退化条件下,得到了高维小扭转映射的拟有效稳定性定理.
研究了分数阶单摆不确定及整数阶单摆不确定混沌系统的自适应滑模同步,通过设计适应律和控制器得到单摆系统获得滑模同步的2个相关结论,并用MATLAB仿真程序检验了结论的正确性.
在当前的费用估算模型较依赖数学模型、无法根据样本大幅度调整模型参数的现状下,针对导弹特征属性和研制费用公开样本稀少以及不同型号的导弹样本对待预测样本的参考意义不同的问题,提出了小样本下基于卷积神经网络的导弹研制费用估算模型.为解决小样本和样本贡献值问题,结合双三次插值算法和反距离加权插值算法对导弹原始样本集进行插值.采用导弹研制费用卷积神经网络估算模型对插值样本进行学习,得到导弹研制费用估算结果.通过与线性回归、神经网络、支持向量机、WPCA&WSVR几种模型的对比实验,验证该模型在整体估算效果上
海川化工论坛是化工领域最具权威性的问答及社交网站,但随着问答社区规模的增大,用户专业水平差异明显,导致问题回答质量参差不齐,提问者对答案筛选辨别难度大大增加.通过分析海川化工论坛问答相关数据,从答案的文本特征和基于网络表示学习的用户特征两个方面构建答案特征.利用因子分解机(FM)算法构建了答案质量预测模型.实验结果表明,用该方法构建的化工问题答案预测模型得到的答案选择准确率相比深度学习模型有了明显提升.
通过子流形的基本公式和1/4对称联络在局部共形Kaehler空间下的曲率张量,计算出了子流形的截面曲率以及数量曲率,利用二者的关系,得到了陈不等式,并且给出了其等式情况.
以对偶分裂四元数的表示矩阵为基础,利用对偶分裂四元数的极表示,得到了对偶分裂四元数表示矩阵的3种形式的棣莫弗定理,并推广了欧拉公式.给出了表示矩阵方程的求根公式.利用数值算例验证了所得结论的正确性.
应用机器人替代人工实现架空输电线路的精益化管理,对解决线路运维结构性缺员造成的影响具有十分重要的意义。针对目前巡检机器人存在的线路改造工作量大、巡检效率低、智能化程度低等问题,提出一种三臂抱臂式巡检机器人及与之匹配的悬挂式过桥装置设计方法,包括整体设计、结构设计、控制系统、感知系统等。对机器人关键结构和悬挂式过桥装置进行了仿真分析,验证了机器人结构设计的合理性和悬挂式过桥装置的可行性。样机测试结果表明该机器人仅需在耐张塔处搭建过桥设施,即可实现全线连续可靠自主巡检。
针对多自由度串联型工业机械臂反向动力学求解问题,提出一种基于解耦自然正交补的反向动力学递推算法。通过六维旋量描述相邻连杆的速度约束,用自然正交补矩阵构建关节速度与六维旋量之间的关系。采用非解耦的Newton-Euler方程建立机械臂的动力学模型,当考虑连杆间的速度约束时,将该动力学模型用基于自然正交补的方法进行解耦,形成机械臂反向动力学递推算法,得到动力学模型的最小阶形式。以KUKA KR5六自由度机械臂为例,在仿真环境下对所提算法的有效性进行验证。结果表明:与其他4种算法相比,该算法计算复杂度低、计算效
一年一度的月饼高光时刻又来了!先是知乎定制月饼导致腹泻的事件,被网友调侃为“泻邀”刚刚冲上热搜,立马就被上海市精神卫生中心闵行院区职工食堂推出的一款名为“宛平南路600号”,因“精神卫生中心出品”而被网友热议的月饼迅速取代。紧接着臭鳜鱼味、榴莲味、小龙虾、芥末三文鱼月饼也迅速霸占各大社交平台,让人隔着屏幕都要喊一句:“好家伙!”今年中秋的月饼大战,到底谁是赢家呢?
移动群智感知中,在选择参与者时忽视用户意愿,可能会导致用户执行效率低甚至产生中途退出、上传虚假数据等严重损害感知数据质量的行为.针对这一问题,首先提出了一种基于用户意愿的参与者优选方法,综合考虑用户特征、任务属性、实时环境等信息,使用全连接的深度神经网络以及卷积自编码器构建用户意愿回归模型,量化评估在实时过程中用户对感知任务的执行意愿程度.其次设计平衡用户意愿与用户效用的参与者优选机制,在不同场景下同时保障感知效率与用户意愿.通过在真实轨迹数据集上进行仿真实验,验证了用户意愿回归模型的拟合度优于基线方法.