摘要：采用三元二次回归旋转设计，在中等肥力水平滨海盐化潮土条件下研究了夏播黑大豆栽培密度（X1），P2O5（X2）和N（X3）对产量的影响。结果表明：对黑大豆产量影响最大的因子是密度，各因子对产量的贡献大小依次为：X1〉X2〉X3；此外，还研究了3项农艺措施之间的互作效应，建立了黑大豆高产模型，通过模拟寻优获得了产量高于2800kg／hm^2的优化农艺措施方案，最佳方案为：密度215774～225402株／hm^2，P205施用量265．32～291．56kg／hm^2，N施用量167．59～206．87kg／hm^2。

摘要：利用正交优化设计原理,在中等产量水平的壤质潮土上,对糯玉米在NPK配比、施肥量、密度、品种等4个因素的研究,结果表明影响糯玉米鲜穗产量的主要因素是密度、品种,次要因素是施肥量,最后是N、P、K配比,并找出了糯玉米高产栽培措施的优化组合。

摘要：高效回复民众诉求是实现智能化管理、提升民众满意度的必要措施,将智能问答应用于民众诉求能有效节约人力和时间资源。然而,智能问答中基于规则和检索的模型依赖预设知识,当诉求超出预设知识范围时无法提供有效回复,在处理多轮对话时也无法保持对话连贯性。现有的大语言模型可以和用户流畅对话,但通用大语言模型缺乏诉求领域知识。由于训练数据中问答对的信息没有覆盖回答用户问题所需要的知识,导致通用大语言模型生成错误回复或答非所问,产生幻觉。针对上述问题,构建了面向民众诉求领域的智能问答大语言模型(PC-LLM)。设计基于BERT-BiLSTM-CRF的实体关系抽取模型获得诉求工单中实体及其关系,进而构建诉求知识图谱,使用BERT模型对诉求工单向量化并构建诉求工单向量索引库;回复生成阶段,抽取用户诉求的实体和关系,在诉求知识图谱中通过实体链接进行知识推理,获取潜在关系提示,同时在诉求工单向量索引库内对诉求进行快速检索,获取相似诉求并构建相似诉求提示;将潜在关系提示、相似诉求提示与用户诉求融合形成综合提示,引导大语言模型生成准确的回复。实验分析显示,该大语言模型在诉求数据集中的表现明显优于ChatGPT4o、文心一言、通义千问等大语言模型。