基于集成学习校准模型的松子蛋白质含量预测方法

    公开(公告)号:CN112002377A

    公开(公告)日:2020-11-27

    申请号:CN202010854838.2

    申请日:2020-08-24

    Abstract: 基于集成学习校准模型的松子蛋白质含量预测方法,它属于食品成分检测技术领域。本发明解决了利用现有近红外校准模型对松子中蛋白质含量预测的准确率低的问题。本发明对松子的近红外光谱数据进行预处理,并在预处理结束后选用局部切线空间对齐、等距特征映射、局部线性嵌入与主成分分析对预处理后光谱数据进行特征提取;然后使用提取的特征数据集建立松子蛋白质含量与光谱数据的偏最小二乘模型;最后依据stacking法作为集成策略,以BP神经网络为次级学习器,输出最终松子蛋白质含量结果。本发明方法对光谱数据利用程度更高,充分利用了近红外光谱中复杂的空间特征,提高了校准模型预测的准确率。本发明可以应用于松子中蛋白质含量预测。

    长白落叶松LoERF017基因及其氨基酸序列和应用

    公开(公告)号:CN105695483A

    公开(公告)日:2016-06-22

    申请号:CN201610255971.X

    申请日:2016-04-22

    CPC classification number: C07K14/415 C12N15/8273

    Abstract: 长白落叶松LoERF017基因及其氨基酸序列和应用,涉及一种长白落叶松LoERF017基因及其氨基酸序列和应用。本发明提供一种落叶松基因及其氨基酸序列和应用。该LoERF017基因的核苷酸序列如序列表中SEQ ID NO:1所示。其氨基酸序列如SEQ ID NO:2所示。在干旱胁迫下对LoERF017转基因拟南芥株系和WT的细胞的受损情况、生理指标进行了观察,发现在干旱胁迫下转基因株系细胞受损程度明显低于WT,并且生理指标的结果也验证了LoERF017基因的过表达株系抗逆能力明显高于WT。该基因可在提高植物在干旱胁迫下抗逆能力上应用。

    基于隐马尔科夫模型与粒子群优化的木材含水率控制方法

    公开(公告)号:CN111578690B

    公开(公告)日:2020-12-18

    申请号:CN202010340275.5

    申请日:2020-04-26

    Abstract: 基于隐马尔科夫模型与粒子群优化的木材含水率控制方法,它属于木材干燥过程控制技术领域。本发明解决了采用现有方法在减速干燥阶段对木材含水率的控制精度低的问题。本发明首先测量出当前时刻木材的含水率、温度和湿度数据,再将测量的当前时刻数据输入隐马尔科夫模型,获得模型输出的下一时刻木材的含水率、温度和湿度数据。将当前时刻的木材温度、湿度数据、模型输出的下一时刻木材含水率、温度和湿度数据以及含水率基准数据代入适应度函数,对适应度函数进行优化得到当前时刻干燥系统需要设定的最佳温度和湿度,实现对干燥过程中木材含水率的控制,且通过本发明方法可以显著提高减速干燥阶段中对木材含水率的控制精度。本发明可以应用于木材干燥过程含水率控制。

    基于隐马尔科夫模型与粒子群优化的木材含水率控制方法

    公开(公告)号:CN111578690A

    公开(公告)日:2020-08-25

    申请号:CN202010340275.5

    申请日:2020-04-26

    Abstract: 基于隐马尔科夫模型与粒子群优化的木材含水率控制方法,它属于木材干燥过程控制技术领域。本发明解决了采用现有方法在减速干燥阶段对木材含水率的控制精度低的问题。本发明首先测量出当前时刻木材的含水率、温度和湿度数据,再将测量的当前时刻数据输入隐马尔科夫模型,获得模型输出的下一时刻木材的含水率、温度和湿度数据。将当前时刻的木材温度、湿度数据、模型输出的下一时刻木材含水率、温度和湿度数据以及含水率基准数据代入适应度函数,对适应度函数进行优化得到当前时刻干燥系统需要设定的最佳温度和湿度,实现对干燥过程中木材含水率的控制,且通过本发明方法可以显著提高减速干燥阶段中对木材含水率的控制精度。本发明可以应用于木材干燥过程含水率控制。

    基于集成学习校准模型的松子蛋白质含量预测方法

    公开(公告)号:CN112002377B

    公开(公告)日:2021-04-27

    申请号:CN202010854838.2

    申请日:2020-08-24

    Abstract: 基于集成学习校准模型的松子蛋白质含量预测方法,它属于食品成分检测技术领域。本发明解决了利用现有近红外校准模型对松子中蛋白质含量预测的准确率低的问题。本发明对松子的近红外光谱数据进行预处理,并在预处理结束后选用局部切线空间对齐、等距特征映射、局部线性嵌入与主成分分析对预处理后光谱数据进行特征提取;然后使用提取的特征数据集建立松子蛋白质含量与光谱数据的偏最小二乘模型;最后依据stacking法作为集成策略,以BP神经网络为次级学习器,输出最终松子蛋白质含量结果。本发明方法对光谱数据利用程度更高,充分利用了近红外光谱中复杂的空间特征,提高了校准模型预测的准确率。本发明可以应用于松子中蛋白质含量预测。

    一种基于无人机的大尺度火线瞬时定位方法

    公开(公告)号:CN115661245B

    公开(公告)日:2023-04-18

    申请号:CN202211299187.0

    申请日:2022-10-24

    Abstract: 本发明提供一种基于无人机的大尺度火线瞬时定位方法,属于瞬时大尺度火线定位领域。为解决现有技术中由于单无人机监测范围有限只能用于定位小尺度火线,无法定位大尺度火线;而采用多无人机同步监测大尺度火线需要考虑多无人机之间的协调以及数据之间的拼接,执行过程复杂且设备成本高的问题。本发明通过单个无人机采集大尺度林火边缘处火线,并处理得到火线上离散的火点坐标;构建以温度数据作为驱动因素的林火蔓延模型,将火点坐标、火点温度以及时间值数据代入林火蔓延模型进行计算,最终得到当前时刻火线;同时采用大尺度火线位置修正模型对火线位置进行修正。通过本发明方法的林火蔓延模型可实现对当前时刻瞬时大尺度火线的精准定位。

    一种基于无人机的大尺度火线瞬时定位方法

    公开(公告)号:CN115661245A

    公开(公告)日:2023-01-31

    申请号:CN202211299187.0

    申请日:2022-10-24

    Abstract: 本发明提供一种基于无人机的大尺度火线瞬时定位方法,属于瞬时大尺度火线定位领域。为解决现有技术中由于单无人机监测范围有限只能用于定位小尺度火线,无法定位大尺度火线;而采用多无人机同步监测大尺度火线需要考虑多无人机之间的协调以及数据之间的拼接,执行过程复杂且设备成本高的问题。本发明通过单个无人机采集大尺度林火边缘处火线,并处理得到火线上离散的火点坐标;构建以温度数据作为驱动因素的林火蔓延模型,将火点坐标、火点温度以及时间值数据代入林火蔓延模型进行计算,最终得到当前时刻火线;同时采用大尺度火线位置修正模型对火线位置进行修正。通过本发明方法的林火蔓延模型可实现对当前时刻瞬时大尺度火线的精准定位。

    长白落叶松LoERF017基因及其氨基酸序列和应用

    公开(公告)号:CN105695483B

    公开(公告)日:2019-04-05

    申请号:CN201610255971.X

    申请日:2016-04-22

    Abstract: 长白落叶松LoERF017基因及其氨基酸序列和应用,涉及一种长白落叶松LoERF017基因及其氨基酸序列和应用。本发明提供一种落叶松基因及其氨基酸序列和应用。该LoERF017基因的核苷酸序列如序列表中SEQ ID NO:1所示。其氨基酸序列如SEQ ID NO:2所示。在干旱胁迫下对LoERF017转基因拟南芥株系和WT的细胞的受损情况、生理指标进行了观察,发现在干旱胁迫下转基因株系细胞受损程度明显低于WT,并且生理指标的结果也验证了LoERF017基因的过表达株系抗逆能力明显高于WT。该基因可在提高植物在干旱胁迫下抗逆能力上应用。

Patent Agency Ranking