简介:利用2008—2009年赣州市7个脐橙主产县品质检验资料,结合同期相应县的气象资料,采用统计相关分析方法,对脐橙果实发育成熟期的气象条件进行相关普查,利用逐步回归方法进行多因子筛选,得到相关显著且具有生物学意义的气象因子作为影响品质的主要气象因子;运用线性回归和非线性回归进行单因子分析。结果表明:脐橙单果重主要与果实生长期的平均最低气温和平均最大风速有关,其中当平均最低气温在21.7℃以下时单果重随平均最低气温升高而增大,反之减小;与平均最大风速呈负相关关系,风速愈大,单果重愈小。果形指数与果实生长期的气温日较差成正相关关系,气温日较差愈大,果形指数愈大,长椭圆形果愈多。果皮厚度随果实生长后期的平均最高气温升高而增厚。可溶性固形物和总糖含量与果实生长后期的气温呈负相关关系,与果实生长后期的降水量、日照时数和果实生长期的气温日较差呈正相关关系,且气温日较差是影响可溶性固形物和总糖含量的关键气象因子。总酸含量与果实生长后期的气温呈负相关关系,与果实生长后期的降水量、平均最大风速和气温日较差成正相关关系,降水多、风速大,脐橙总酸含量增大。
简介:简要介绍了精细化天气预报和气象数据挖掘应用的现状,在对BP神经网络预测方法详细分析的基础上,研究了基于时间序列数据挖掘实现精细化温度预报的方法。该方法基于时序分析技术,建立起适合于BP神经网络的输入样本模型,通过反复学习从温度时序中建立预测模型,将其用于未来24h的精细化温度预报。同时,对BP神经网络算法和步骤做了简要介绍,针对原有的BP算法存在的不足,做了一些改进。最后,通过对预测挖掘系统的设计和在Matlab6.5仿真平台上的试验,建立了温度预报模型,以兰州市观测站数据为时间序列研究对象,对精细化温度预报进行了仿真实现。对基于时序的数据挖掘理论的应用和开发精细化温度预报方法做了有益的探索。