牡丹的花期预测研究

依据物候学的顺序相关规律,采用回归分析的方法,利用牡丹(Paeonia suffruticosa)花期前的物候现象,建立花期的预报模型,预报牡丹始花日期,通过检验,预报效果良好.牡丹花期预报模型的建立,为相关景区的管理工作,以及游人的赏花活动提供了方便.     

高科技牡丹

一种可用计算机根据不同需要进行栽培的牡丹花在河南省培植成功。 牡丹花期较短而且集中,传统的种植工艺也比较复杂。郑州市西郊花卉基地用高新科技“牡丹高枝层下枝接法”培育的牡丹,可以使牡丹花的色彩、花期等按照每个人的爱好和要求进行定制。也就是说,你喜欢一株牡丹上开几朵花,有几种颜色,在什么时间开,只要提     

大坝水平位移的灰色预测

在大坝运营过程中,对大坝位移进行监测和预报的传统方法,是在大坝运营相当一段时间后,利用大量的水平位移观测数据由回归分析法建立预报模型.这种方法有需要数据量大、不能在较短的时间内建立预报模型、分布要较典型、计算量大等缺陷,而且只能建立递推模型.另外,传统方法也不能对变形系统作出全面客观分析,更不能对系统作长期预测.但灰色模型能对系统的发展变化作出全面分析,并能对系统作长期预测.笔者按照灰色理论,提出根据坝区水平位移观测资料,建立大坝水平位移变化预报的灰色GM(GKEY MODEL)模型.这种预报模型,计算简单,预报效果好.     

话说牡丹

牡丹,别名木芍药、洛阳花、谷雨花、鹿韭等。属毛莨科多年生落叶灌木。我国以牡丹为花王,芍药为花相。它高1～2米,老干可达3米。叶互生,二回三出羽状复叶。花单瓣至重瓣。一般各种花冠直径15～30厘米。花色有红、粉、黄、白、绿、紫等,花期5月上中旬。牡丹性宜凉爽,畏炎热,喜燥忌湿,原产我国西北,栽培历史久远。河南洛阳、山东荷泽、四川彭县都盛产牡丹。牡丹花丰姿绰绝,形大艳美,仪态万方,色香俱     

花巷

有一条小巷,由五六个小村庄围成。巷里边种着许多鲜花,如牡丹、百合、菊花及许多不知名的花儿,它们姿态不一,花期不同,每个季节都有着不同的主     

应力状态系数模型对中厚板轧制压力预报精度影响研究

建立中厚板轧制压力计算模型,选取不同的应力状态系数模型对轧制压力进行预报,分析应力状态系数模型对轧制力预报精度的影响。结果表明：应力状态系数模型对轧制压力预报精度存在影响,当轧制较厚板时影响较大;中厚板轧制时,相对其他应力状态系数模型,采用模型Ⅱ计算,精度相对稳定,误差相对较小。     

水文预报的时间序列神经网络模型

时间序列分析在水文预报中起重要作用 ,其关键是要建立一个合适的预报模型 .文章提出基于 BP算法的单输出和多输出水文预报时间序列神经网络模型 ,克服了以往多种基于随机分析预报模型的缺点 ,不仅能实现快速灵活的信息处理 ,而且具有很强的非线性映射和自学习、自适应能力 ,这为更精确描述复杂非线性水文过程提供了可能 .通过对历史数据的学习 ,模型可对水文径流量时间序列进行预报 ,两个实例分析表明模型的可行性和有效性     

国内牡丹引种栽培研究

通过国内牡丹引种栽培及相关研究的综述,总结了牡丹在南移北进中的栽培技术及适合各地栽培的牡丹品种,并指出目前在牡丹引种工作中存在的问题及解决对策,     

水库入库水量分级预报的神经网络建模及应用

本文把人工神经网络方法应用于径流预报,建立了入库水量分级预报的神经网络模型,其有效性在实例中得到了验证.     

基于非线性规划的多核RBF最优加权组合预报模型

在6种单核子预报的基础上,建立误差平方和最小原则下的最优加权组合预报模型,通过非线性规划寻优方法搜索出各单核子预测的最优加权系数,利用广西降雨历史资料进行建模,实验结果表明,预测结果的各项指标均优于6个单核模型的分别预报,预测精度高于同期的T213(中国气象局的全球中期天气数值预报产品预报值)模式预报,具有一定的参考价值.     

牡丹绒毡层的超微结构

用透射电镜观察了牡丹（Paeonia suffruticosa Andr.）花粉发育过程中绒毡层的超微结构。在花粉母细胞减数分裂形成四分体阶段，绒毡层的内质网逐渐增多，小液泡、质体、线粒体等细胞器也逐渐增多。在四分体时期后，内质网和小液泡继续增多，开始出现脂肪滴，其他细胞器结构简化、数量减少，以至完全退化消失。在小孢子晚期，不同花药的绒毡层分化为分泌型和变形型两种类型。分泌型绒毡层的内质网较变形绒毡层的发达，并不断向花粉粒分泌脂肪滴和小泡，变形绒毡层解体后原生质围绕于花粉的周围，供其发育之需。在二胞晚期，两种类型的绒毡层都完全消失。     

基于IOWA算子的安徽省固定资产投资的组合预测

以1990～2011年安徽省固定资产投资为样本区间,运用VAR预测模型、指数预测与二次移动平均预测3种单项预测方法,以预测误差平方和最小准则,建立IOWA算子组合预测模型。对该模型的预测有效度进行评价,结果表明：该组合预测模型能有效提高预测精度。     

几种化感物质对凤丹（Paeonia ostii）生长的影响

通过盆栽实验研究了5种化感物质阿魏酸、肉桂酸、香草醛、香豆素和丹皮酚及其混合物在不同浓度下对凤丹生长的影响。结果表明：5种化感物质及其混合物对凤丹茎高和地下部生物量有明显影响,对茎径生长没有明显影响,高浓度的混合物和香豆素抑制效果最明显;低浓度的阿魏酸和香草醛对凤丹生长有促进作用,表现出＂低促高抑＂的现象。     

认知模型研究的新成果及应用

综述认知模型研究近年来取得的成果及应用。研究了粒计算认知模型、动态信任预测认知模型、Bayes信任预测认知模型采用的主要算法,介绍了认知模型在求解认知难题、虚拟人决策训练、多Agent谈判中的应用。指出粒计算认知模型、动态信任预测认知模型、Bayes信任预测认知模型是近年来认知模型的主要研究成果。因此,认知模型的研究具有很高的应用价值。     

基于RBF和ARIMA模型的区域高等教育规模预测研究

结合RBF网络模型和ARIMA模型预测的优点,构建基于RBF网络模型和ARIMA模型的混合模型,对四川省高等教育规模预测问题进行研究。采用构建ARIMA模型得出的预测值对RBF网络模型的预测值进行修正,提高了区域高等教育规模预测的精度。     

基于多种模型的福建省国内旅游需求预测

旅游需求预测是旅游决策的基础。根据福建省1997—2008年国内游客量的统计数据,尝试构建灰色GM（1,1）模型、动态趋势预测模型和回归分析预测模型,分别对福建省未来5年国内游客接待量进行了预测。对预测结果的比较分析表明,灰色预测模型的平均预测误差可以控制在5％以下。因而是福建省国内旅游需求预测的最佳选择;而动态趋势预测模型虽也能达到要求的精度,但效果稍差;回归分析预测模型则产生较大误差,显然不宜用于有关预测。     

短期电力负荷的组合预测模型

对时负荷建立了灰色模型和自适应滤波模型，利用拟合优度最小的原则对两种模型进行择优组合，建立组合预测模型，经实例验证，预测结果令人满意．     

基于遗传BP神经网络的区域物流需求预测

针对当前区域物流需求预测数据复杂且可变性较大、预测方法环境适应性较差的问题,提出了基于遗传BP神经网络的区域物流需求预测模型。首先,分析区域物流需求预测影响因素,并建立区域物流需求预测指标体系;其次,采用遗传算法优化预测网络中的可变参数,并建立多输入—多输出的BP神经网络多元预测模型;最后,通过实例结果表明该模型具有较高的预测精度和有效度。     

基于灰色神经网络组合模型的电力消费量预测——以河北省为例

在分析灰色预测模型GM(1,1)以及BP神经网络预测模型2种单一模型在电力消费量预测方面不足的基础上,提出灰色神经网络组合预测模型。以河北省电力消费量为基础,分别用3种模型进行预测,并加以比较分析。结果表明,灰色神经网络组合模型提高了关于河北省中长期电力消费量的预测精度,对河北省未来电力系统及能源需求规划具有一定参考价值。     

基于灰色理论的时间序列交通事故预测

针对交通事故发生的特点,探讨了灰色系统和时间序列模型在道路交通事故预测中的具体应用,在介绍分析道路交通事故灰色性的基础上,建立了基于灰色预测理论的交通事故预测模型,并用其分别对道路交通事故的死亡人数、交通事故量进行了预测,其结果是可信的．