基于注意力机制神经网络的荒漠区蒸散量模拟

该研究对基于注意力机制的长短期记忆（Attention-Based Long Short Term Memory，AT-LSTM）模型对蒸散量（Evapotranspiration，ET）模拟的可行性和有效性进行验证，以提高环境数据缺失情况下的蒸散量模拟精度。基于盐池县2012-2017年的每30 min环境数据，利用不同环境因子组合构建基于注意力机制的LSTM模型，并将其与极限学习机（Extreme Learning Machine，ELM）模型、支持向量机（Support Vector Machine，SVM）模型、长短期记忆（Long Short Term Memory，LSTM）模型在日尺度、月尺度和季节尺度上进行对比分析。结果表明：与其他3种模型相比，当输入环境因子变化时，AT-LSTM模型模拟精度变化很小，模拟效果均较好。当输入空气温度、净辐射、相对湿度、土壤温度、土壤含水率所有环境因子时，基于AT-LSTM模型的模拟效果最好，均方根误差（Root Mean Square Error，RMSE）为0.013 mm/30 min，平均绝对误差（Mean Absolute Error，MAE）为0.006 mm/30 min，相关系数（Correlation Coefficient，R）值为0.905。且无论是从小时尺度、日尺度和月尺度来看，AT-LSTM模型的模拟效果均优于其他3种模型。在环境因子缺失的情况下，净辐射对盐池县ET的模拟贡献程度最大，仅输入净辐射时，AT-LSTM模型模拟得到的RMSE和MAE分别为0.014、0.007 mm/30 min，R为0.892，模型模拟精度较高，AT-LSTM模型模拟精度高，模型稳定性强，对蒸散量模拟预测具有一定的适用性，仅输入净辐射的AT-LSTM模型可以作为环境数据缺失条件下的蒸散量预测模型。     

基于XGBoost-ANN的城市绿地净碳交换模拟与特征响应

为分析城市绿地净生态系统碳交换(Net ecosystem exchange,NEE)对环境因子的响应,利用涡度相关法测量了2013—2016年生长季白天的NEE数据,使用XGBoost以及ANN模型对NEE进行模拟和分析,并通过决定系数(R~2)、平均绝对误差(MAE)、均方根误差(RMSE)和一致性系数(IA) 4个指标评价模拟精度。结果表明,当输入因子为光合有效辐射(PAR)、饱和水汽压差(VPD)、空气温度(Ta)、相对湿度(RH)、土壤温度(Ts)、风速(WS)、10 cm处土壤含水率(VWC10)时,模拟效果达到最优。其训练集精度R~2为0. 712,RMSE为4. 394μmol/(m~2·s),MAE为3. 129μmol/(m~2·s),IA为0. 911;测试集精度R~2为0. 748,RMSE为4. 253μmol/(m~2·s),MAE为2. 971μmol/(m~2·s),IA为0. 920。在考虑因子间相互作用后,环境因子对NEE的重要性排序从大到小依次为PAR、VPD、Ta、RH、Ts、WS、VWC10;就单环境因子而言,对NEE的重要性由大到小依次为Ta、Ts、RH。通过计算生态系统净生产力(Net ecosystem productivity,NEP,即-NEE)对主要环境因子(PAR、VPD、Ta)的偏导数可知,生态系统光合作用表观量子效率最大值为0. 087,并且当PAR大于1 200μmol/(m~2·s)时,其不再是影响光合作用的主要因素; VPD偏导数的变化趋势表明,VPD对植物光合作用的影响以抑制性为主,当VPD过大时,偏导数趋近于0,此时植物叶片气孔闭合,抑制光合作用; Ta偏导数的变化趋势说明,随着温度的升高,光合作用速率逐渐大于呼吸作用的速率。研究表明,基于XGBoost与ANN模型能够更为精确地模拟NEE动态,在相关环境因子中,PAR、VPD、Ta是影响NEE变化的主导因子,NEE对主要影响因子的生态特征响应趋势可为理解碳循环关键过程提供参考。     

基于开源软件构建计算机网络课程的实践教学

摘要： 在分析计算机网络课程理论课教学和实践教学特点的基础上，针对实践教学部分，阐述了使用开源软件的必要性；在详细评述各开源软件的功能和特点、各开源软件所支撑的知识点的基础上，提出基于运行在Linux平台上的开源软件的计算机网络课程实践教学方案，并以综合性实验案例为例进行了分析，以过去3年的教学反馈信息证明了该方案的可行性和有效性。     

基于混合驱动的本科教学评价指标体系分析系统的构建与应用——以北京市某大学为例

教学评价指标体系的分析结果是优化高校现行本科教学评价指标体系的重要依据。以北京市某大学为例,利用已有教学评价数据分析现行本科教学评价指标体系的信度和效度,是该校教评中心的年度业务需求之一。基于此,尝试借助信息化技术对本科教学评价指标体系分析系统的构建进行了探索。首先,基于混合驱动的数据分析模式,对本科教学评价指标体系分析系统的功能需求进行归纳,并明确了系统构建的总体框架。其次,对本科教学评价指标体系分析系统采取的信度分析和效度分析方法进行了重点介绍。最后,应用构建的本科教学评价指标体系分析系统对该校2011—2014年的本科教学评价数据进行了具体分析,结果表明该校采用的本科教学评价指标体系具有较高的可信度,但在效度方面应根据学生班级规模不同等情况,制定差异化的教学评价指标权重分配方案,以便获得更具辨识能力的本科教学评价结果。     

基于深度学习的草地生态系统净碳交换模拟

为应用深度学习理论及技术对高寒地区草原生态系统净碳交换(NEE)进行模型模拟,基于全球通量观测网络(FLUXNET)中内蒙古自治区锡林郭勒盟多伦县草原2007—2008年间的CO2通量数据,采用深度学习中基于注意力机制的编码器-解码器框架对NEE进行模拟,使用随机森林模型计算光量子通量密度(PPFD)、土壤温度(Ts)、空气温度(Ta)、降水量(P)、土壤含水率(SWC)和饱和水汽压差(VPD)与NEE关系的重要性得分,并分析该关系的季节性差异。结果表明,深度学习模型的均方根误差为0. 28μmol/(m2·s),决定系数为0. 93,相比传统的人工神经网络与支持向量机模型,分别减小0. 14、0. 08μmol/(m2·s)和增加0. 29、0. 34,说明深度学习模型具有更高预测准确度;在深度学习模型中引入注意力机制后,10次训练预测的标准差为0. 002μmol/(m2·s),相比普通深度学习编码器-解码器网络模型和长短期记忆网络分别减小0. 005μmol/(m2·s)和0. 036μmol/(m2·s),验证了注意力机制在预测稳定性上的优势。由随机森林模型计算的环境因子重要性得分显示,由非生长季向生长季过渡的3—4月间,PPFD(33. 5)与VPD(30. 0)对NEE的变化起主导作用;进入生长季后的5—6月间,SWC(50. 5)是NEE变化的主要影响因素; 7月P(3. 8)较少,PPFD(26. 8)与SWC(60. 1)协同作用NEE的变化; 8月PPFD(2. 8)与SWC(6. 9)相对充足,VPD(41. 5)与P(42. 7)成为影响NEE的主要因素; 9月后PPFD与P均急剧减小,并维持稳定,温度系数Q10较生长季略增大,并在1月达到最大值5. 96,因此,在非生长季1—3月Ts(44. 6)与10—12月Ts(54. 2)通过影响植物呼吸成为影响NEE的决定性因子。高寒地区草地生态系统生长季的NEE变化主要受辐射、温度和水分的影响,非生长季主要受温度影响,且辐射、温度、水分的影响程度存在明显季节性差异。与支持向量机等传统机器学习算法相比,深度学习理论及技术在生态模型模拟领域具有更好的应用前景。     

长白山红松阔叶林的净碳交换变化及基于时间卷积神经网络的模拟

【目的】分析长白山红松阔叶林净生态系统碳交换量（NEE）的季节性差异及其气象因子响应,在月尺度下揭示气象因子对NEE的动态影响,为调节研究地区的碳收支提供理论指导。同时研究时间卷积神经网络在森林生态系统净碳交换模拟中的应用,探索NEE模拟的新方法。【方法】基于长白山温带红松阔叶林通量观测站2007—2010年间的30 min观测数据,分析NEE和输入模型的5种气象因子的季节性差异,并分析5种气象因子与NEE的相关性。使用随机森林模型,计算影响NEE的各因子重要性得分,选择得分较高的5种气象因子：潜热通量、显热通量、冠层上方空气湿度、冠层上方水汽压和净辐射作为NEE模拟的输入;分别构建基于时间卷积神经网络（TCN）、长短期记忆网络（LSTM）、人工神经网络（ANN）、支持向量回归（SVR）和极限学习机（ELM）的5种NEE模型,采用决定系数（R²）、平均绝对误差（MAE）和均方根误差（RMSE）评价模型的预测精度和稳定性。【结果】长白山温带红松阔叶林通量观测站NEE全年总量为-74.777 3 gCO₂·m^-2a^...     

计算机网络课程双语教学实践及思考

摘要： 计算机网络课程是北京林业大学第一批实施双语教学的课程之一。根据近5年的授课实践，在阐述计算机网络课程双语教学的目标与定位的基础上，对计算机网络课程双语教学的实施方式、教学模式、教材选取、课堂教学组织、教学资源建设、信息资源梳理及加工、考核环节改革等进行了总结；并对计算机网络课程双语教学在教师、学生、双语教学氛围等层面出现的问题进行了思考，提出了可行的解决方案。     

无线传感网在森林微气象监测中的应用研究

研究并实施了面向森林微气象监测的无线传感器网络系统,系统部署在北京林业大学鹫峰国家森林公园,共 计42 个无线传感网硬件节点,网络覆盖面积5 990 m2 ,已采集数据近20 万条。针对林区环境树木遮挡严重而导致 硬件节点通信质量较差、数据包丢失严重等问题,硬件节点的工程部署方式采用之冶字形方案,并提出了用于数据 传输的可靠路由协议、网络拥塞控制机制。系统可以进行标量数据、图片数据的采集,经过数据融合处理最终汇聚 到基站,通过Web 客户端可以远程查验数据以及进行网络远程配置。此系统已持续一年的运行,验证了系统的可 靠性,为森林微气象研究工作提供了精细的数据支撑。      

无性系种子园最小近交配置研究

为避免无性系之间自交和近交繁殖,使种子园内无性系尽可能保持花期一致性,促进亲本有效授粉,提高种子产量和质量,以内蒙古红花尔基樟子松(Pinus sylvestris var. mongolica Litv.)国家良种基地中的樟子松为无性系材料,随机选取13株无性系樟子松,采用SSR(Simple sequence repeats)分子标记法,利用Gene Marker V2. 2软件得到樟子松亲本间的遗传距离,设定花期和花粉传播范围作为实验数据,进行种子园无性系设计。提出双种群改进型自适应步长的果蝇优化算法(Two-population improved adaptive step-length fruit fly optimization algorithm,TIASFOA),并与改进果蝇优化算法(Improved fruit fly optimization algorithm,IFOA)、粒子群算法(Particle swarm optimization,PSO)、遗传算法(Genetic algorithm,GA)进行对比实验,从适应度、收敛性和1～3 m授粉范围内花期相邻或相同的无性系数量3方面进行对比分析。在遗传距离、花期和花粉量已知的条件下,在种群规模为20～60的范围内分别执行200次迭代实验,对适应度进行分析,结果显示,TIASFOA算法的平均值、最大值、最小值和方差比IFOA、PSO、GA算法都小;当种群规模为20时,TIASFOA算法相同或相邻花期的无性系数量之和的平均值分别为125和204,大于其他3种算法,TIASFOA算法可以得到较优适应度为133. 016,与种群规模为50时的最小值132. 733相差0. 283; TIASFOA算法可以获得较优的适应度,并使无性系之间尽量保持花期一致。以遗传距离、花期和花粉量作为种子园设计的约束条件,更贴近生产环境,为无性系种子园优化设计提供了参考。     

“计算机网络”课程教学改革与实践的思考

分析了"计算机网络"课程教学中存在的问题,结合教学的实践与经验,从优化教学内容、改革教学方法、加强实验教学等方面,探讨了解决这些问题的方法和体会。已在北京林业大学的研究生教学和本科生计算机类专业教学中进行了实践,并取得了较好的成果。结果表明,该做法能够激发学生主动学习的热情,提高学生实际动手能力和学习成绩。