效用关联分析在决策分析中的应用

本文分析了灰色关联分析法的不足之处，提出了运用效用函数改进白化权函数的方法．实践证明，这种方法科学合理，适用性更强．     

灰色离散系统稳定及不稳定的代数判据

本文通过作者提出的区间矩阵离散稳定性的概念,结合矩阵理论的方法,给出了灰色离散线性系统稳定性及不稳定性的一些实用代数判据.另外,本文还给出了区间矩阵稳定的几个简洁判据.最后给出了应用实例.     

多维评价主观判断的有效性研究

本文以灰色系统理论为基础,把专家主观判断的结果表征为“区间灰数”,用灰数统计方法进行统计分析,建立了评价专家主观判断有效性的灰色模型,该模型具有良好的可操作性和有效性．     

湖南省生产性服务业与制造业的灰色关联分析

基于湖南省经济发展的实际情况,在借鉴前人研究成果的基础上,首先对生产性服务业与制造业进行界定与分类,然后从社会分工、价值链、产业集群以及交易费用等方面研究生产性服务业与制造业的互动机制,最后通过灰色关联度进行实证分析,在此基础上提出促进两者之间良性互动的政策建议.     

区间三角模糊多属性决策的GRA扩展方法

针对属性权重信息部分己知且属性值以区间三角模糊数形式给出的多属性决策问题,提出了一种基于灰色关联分析(GRA)扩展的决策方法.首先给出了区间三角模糊数的定义,然后依据传统GRA法的基本思想建立了区间三角模糊数多属性决策问题的决策步骤.最后给出了一个实例分析,所得结果表明了方法的实用性和可行性.     

Lotka-Volterra模型参数的灰色估计法及其应用

基于灰色直接建模法,提出了估计Lotka-Volterra模型参数的一种方法,较好的反映了相互影响的两个变量之间的互惠、竞争等关系,为定性预测分析提供了实证支持,并得到了定量预测的结果.实例说明本模型的有效性和适用性.并证明了数乘交换不影响原始序列的模拟精度,为解决灰色预测模型的病态性提供了思路.     

基于可见/近红外光谱技术的番茄叶片灰霉病检测研究

利用可见/近红外光谱技术对感染灰霉病的番茄叶片感染程度进行了检测。提出了主成分分析结合BP神经网络的数据处理方法。采用主成分分析进行数据的降维,减少了计算量,提高了建模精度。通过主成分分析中的载荷值,定性地分析了不同波段对病害程度检测的重要性。将得到的最主要的几个主成分输入BP神经网络进行建模,预测结果显示,当主成分数为8,隐含层结点数为11的时候,病害程度的检测模型对未知样本预测的相关系数达到0.930,SEP为0.068 7,模型具有良好的检测效果。说明基于光谱技术和化学计量学方法的灰霉病检测模型具有很好的检测能力,为光谱技术应用于病害检测提供了新的方法。     

虎骨及其类似品微量元素的灰色关联分析

以Na、Mg、K、P、Al、Si、Ti、Cr、Mn、Fe、Zn、Co、Ni、Cu的含量为分析指标．用灰色关联分析研究了熊骨、豹骨、黄牛骨、猪骨、狗骨、猫骨与虎骨在微量元素组成上的相似亲疏关系。结果表明，虎骨、熊骨、豹骨和猫骨的微量元素组成相近似，后3种骨可考虑作为虎骨的代用品。     

基于高光谱技术的灰霉病胁迫下番茄叶片SPAD值检测方法研究

对灰霉病胁迫下番茄叶片中叶绿素含量(SPAD)的高光谱图像信息进行了研究。首先获取380～1 030 nm波段范围内健康和染病番茄叶片的高光谱图像,然后基于ENVI软件处理平台提取高光谱图像中感兴趣区域的光谱信息,经平滑(Smoothing)、标准化(Normalize)等预处理后,建立了基于Normalize预处理的偏最小二乘回归(PLSR)和主成分回归(PCR)模型。再基于PLSR获得的4个变量建立反向传播神经网络(BPNN)和最小二乘-支持向量机(LS-SVM)模型。4个模型中,LS-SVM的预测效果最好,其决定系数R2为0.901 8,预测集均方根误差RMSEP为2.599 2。结果表明,基于健康和染病番茄叶片的高光谱图像响应特性检测叶绿素含量(SPAD)是可行的。     

倒伏胁迫对水稻可视茎叶穗比率的影响及光谱响应解析

倒伏胁迫下作物的冠层光谱响应机理解析,是大范围作物倒伏灾情遥感监测的重要基础。倒伏胁迫直接改变了遥感光谱探测视场内的可视茎叶穗比率,通过解析冠层光谱与可视茎叶穗比率间的关系,探索不同强度的倒伏胁迫下水稻可视茎叶穗组分变化规律及其与冠层光谱响应规律,为大范围作物倒伏灾情遥感监测提供理论支持。以2017年江苏省兴化市、大丰区的实发倒伏水稻为研究对象,在野外观测实验的支持下,分析不同倒伏强度的倒伏水稻冠层光谱变化规律,并对不同倒伏强度下的冠层可视茎叶穗比率与倒伏角度进行相关性分析,筛选能有效表征倒伏强度的敏感农学参数,采用灰色关联分析法构建倒伏水稻冠层光谱指标与敏感农学参数之间的响应模型,实现水稻倒伏灾情的光谱诊断,并利用野外实测样本评价诊断精度。研究结果表明,随着倒伏强度的加大,冠层光谱表现出规律性变化,红光波段与近红外波段响应较为明显,“红边”位置明显“蓝移”,且“红边”振幅与“红边”面积增大,说明红光波段和近红外波段对水稻倒伏胁迫强度较为敏感;冠层可视叶茎比存在随倒伏强度增加而减少的规律,其相关性可达0.715,说明倒伏后的水稻冠层可视叶茎比对于倒伏强度有着较好的表征能力;通过对可视叶茎比与冠层高光谱反射率进行相关性分析,分别于红光波段和近红外波段内筛选出698与1 132 nm作为敏感波段,进而计算特征植被指数;利用灰色关联分析构建了基于特征植被指数的水稻可视叶茎比光谱响应模型,检验样本的决定系数为0.635,以可视叶茎比预测结果进行倒伏灾情等级划分的精度达到82%。因此,倒伏发生后水稻冠层的茎、叶、穗等组分在光谱探测器视场中的贡献比例发生了规律性改变,茎、叶、穗本身光谱反射率差异和视场内比率差异直接反映于倒伏水稻冠层光谱差异,其中可视叶茎比能有效表征受倒伏胁迫的水稻群体结构变化,与倒伏强度具有较好的响应关系,不同倒伏强度的可视叶茎比与水稻冠层光谱之间的响应规律可以有效区分倒伏灾情等级,有助于为区域尺度的水稻倒伏灾情遥感监测提供先验知识。