摘要：随着5G通信时代的到来,对传输要求的不断提高,为了满足不同的业务需求,传输设备的数量日益增多,本文通过提出了传送网机房建设建议和估算模型,对传送网资源的预留和新建传送机房有一定指导意义。

摘要：应用分层切割法测定湿地松人工林地上部分各器官的生物量.分析湿地松各器官生物量与胸径、树高等各因子的相关关系,建立湿地松生物量估测模型.通过对估测模型的比较,选出精度较高的数学模型,对闽南湿地松生物量的估测具一定参考意义.

摘要：在工程预可研阶段和施工管理阶段,施工成本估算是一项重要工作,准确、快速地为决策者提供待建工程的估算成本十分必要。本文基于CBR技术建立了一个工程施工成本估算模型,能够快速生成待估工程的施工成本,为决策者制定合理的设计及施工方案提供依据。

摘要：根据广西全区森林资源分布特点,在桂林、百色、柳州、河池等7市的22个县设置2 m×2 m的石山灌木样方62个,调查灌木优势种名、株数、平均高、平均地径和平均盖度,采用全部收获法分别获取枝、干、叶、根鲜重。选择地径和高2个因子与各器官生物量拟合,分别建立生物量模型,认为用该模型估算不同地区石山灌木生物量是科学、可行的。

摘要：股利分配政策在影响着公司发展的同时,也影响着投资,因而合理地建立股利支付率模型,也就成了完善股利分配政策的关键因素。构建了绩优上市公司股利支付率估算模型,并以2008—2010年绩优上市公司为样本,运用spss进行实证检验,证明了模型的可行性,为公司改善自身的发展和满足股东利益提供理论依据。

摘要：为实时、准确地获取玉米覆盖度,为玉米长势监测提供科学依据,以农田小气候实景站采集的玉米图像为数据源,利用图像处理技术对玉米图像进行分析处理,结合9种图像颜色指数(NDI、ExG、ExR、ExG-ExR、R-G、G-B、VEG、CIVE、(G-B)/|R-G|),构建了基于图像颜色指数的玉米覆盖度估算模型。结果表明:利用图像颜色指数可以有效估算玉米覆盖度,除颜色指数(G-B)/|R-G|外,其他8种颜色指数估算玉米覆盖度的精度均较高,其中,以VEG为变量的玉米覆盖度估算模型精度最高,预测结果的R2为0.993,RMSE和MAE均最小,分别为0.0270、0.0223。该方法可以有效、快速的提取玉米覆盖度。

摘要：在对塔里木河下游大西海子水库周边芦苇生物量实地调查基础上,使用同期TM数据建立了芦苇生物量遥感估算模型。结果表明:TM1～5、TM7的灰度值和垂直植被指数(PVI)、亮度植被指数(BVI)及归一化差值植被指数(NDVI)与芦苇生物量实测值显著相关;生物量遥感估算模型中非线性回归模型的拟合精度高于线性回归模型。NDVI在一元线性、非线性回归模型中的拟合精度最高,TM4的拟合精度最低;多元逐步回归比一元线性、一元非线性回归拟合度精度高。若仅考虑简单、可靠、便于生产部门使用,基于PVI、NDVI的一元线性模型和基于TM1的一元非线性模型是较好的选择。

摘要：为揭示溜砂坡抗剪强度参数与其控制因素间的内在联系,配制五种不同级配样品,计算五组样品的浑圆度、细颗粒含量、不均匀系数和曲率系数。分析控制因素对溜砂坡抗剪强度参数的影响:黏聚力和内摩擦角分别与不均匀系数、曲率系数呈正比关系;黏聚力和内摩擦角均随颗粒的浑圆度的增大而增加;黏聚力和内摩擦角均随细颗粒含量的增大而减少。并绘制出关系曲线,刻画控制因素与抗剪参数间的内在规律性。最后通过多元线性回归理论,构建出简洁、快速的溜砂坡抗剪强度参数估算模型,并通过野外取样,验证了此估算模型的准确性。

摘要：[目的]探究影响赣江支流锦江流域降雨侵蚀力的主导雨型,构建日降雨侵蚀力的估算模型,寻找降雨侵蚀力时空分布特征,为减少土壤侵蚀的潜在风险,确保区域生态安全的可持续发展提供数据支撑。[方法]基于2021年的5 min雨量数据,揭示锦江流域在特定年份的降雨特征,构建针对研究区的日降雨侵蚀力模型,并与其他模型进行评估并量化偏差,随后,应用长时间序列的数据分析了R因子在流域内的时空异质性。[结果](1)研究区2021年降雨多以小中雨为主,但大雨和暴雨是降雨量的主要来源,降雨侵蚀力集中在3—8月,与强降雨事件的分布时间一致;(2)模型率定指标MAPE值为0.07~0.21,RMSE为170.55~689.38,MBE为-191.02~136.62,NSE为0.47~0.90,各月指标均是构建模型结果最佳,验证了模型在研究区的优越性;(3)流域R因子在7000 MJ·mm/(hm^(2)·h·a)以上,标志着该区域的降雨条件对土壤侵蚀具有显著的潜在影响,其中大雨和暴雨所产生的侵蚀力贡献了57%~70%。[结论]流域强降雨是造成降雨侵蚀力高值的主要原因,多年平均降雨侵蚀力集中在西北部,在设计和实施水土保护措施时,需要特别考虑这类降雨事件的应对方案。

摘要：为探寻深度学习模型在区域参考作物蒸散量(Reference crop evapotranspiration,ET_(0))估算中的适用性,以山东省为研究区域,选取了深度神经网络(DNN)、时间卷积神经网络(TCN)和长短期记忆神经网络(LSTM)3种深度学习模型,极限学习机模型(ELM)、广义回归神经网络模型(GRNN)和随机森林模型(RF)3种传统机器学习模型,Hargreaves-Samani模型(HS)、Droogres-Allen模型(DA)、Priestley-Tayor模型(PT)、Marrink模型(MK)、WMO模型(WMO)、Trabert模型(TRA)6种经验模型,以均方根误差(RMSE)、决定系数(R^(2))、平均绝对误差(MAE)和效率系数(E_(ns))为精度评价体系,找出了适用于山东省ET_(0)估算的最优模型,结果表明:相同气象参数输入条件下,机器学习模型精度普遍优于经验模型,而3种深度学习模型精度最优,TCN模型在所有模型中精度最高;输入辐射资料的模型精度普遍高于温度模型和质量传输模型,TCN2模型GPI为1.036,在所有模型中排名第1。因此,TCN模型为山东省ET_(0)的最优估算模型使用。