针对黄河源区水文情势复杂多变、径流模拟精度不足的问题,旨在构建融合潜在蒸散发(PET)预测的径流模拟方法,提升高寒地区径流模拟的可靠性。本研究采用随机森林(RF)、多层感知机(MLP)和极限学习机(ELM)3种机器学习方法,引入长短期记忆网...针对黄河源区水文情势复杂多变、径流模拟精度不足的问题,旨在构建融合潜在蒸散发(PET)预测的径流模拟方法,提升高寒地区径流模拟的可靠性。本研究采用随机森林(RF)、多层感知机(MLP)和极限学习机(ELM)3种机器学习方法,引入长短期记忆网络(LSTM)和PatchTST(Patch Time Series Transformer)深度学习方法,融合PET预测值进行径流模拟,评估不同气象因子组合下PET的模拟性能。研究结果表明:最高气温是PET模拟的最关键驱动因子,最高气温、相对湿度与风速组合情景下的PET模拟精度最高;在深度学习模型中,PatchTST模型在预测未来1个月潜在蒸散发时表现次于LSTM模型,但在多步长预测中表现更优;融合潜在蒸散发预测数据后,模型性能显著提升;以唐乃亥站PatchTST模型为例,纳什效率系数从0.706增至0.896(改进幅度为26.9%),平均绝对百分比误差从23.502降至18.305(降幅为22.1%),均方根误差从276.7降至160.8(降幅为41.9%),表明PET数据有效捕捉了蒸散发对径流损失的动态影响。研究成果可为高寒、缺资料地区的水文预报工作提供更精准的解决方案。展开更多
为了筛选适宜三江源区的燕麦品种及高效添加剂,选用燕麦品种‘贝勒Ⅱ’‘白燕2’和‘白燕7’,于抽穗期收获后,分别设置空白对照(CK)、植物乳杆菌(Lactobacillus plantarum,LP)、布氏乳杆菌(Lactobacillus buchneri,LB)及苯甲酸钠(Sodium...为了筛选适宜三江源区的燕麦品种及高效添加剂,选用燕麦品种‘贝勒Ⅱ’‘白燕2’和‘白燕7’,于抽穗期收获后,分别设置空白对照(CK)、植物乳杆菌(Lactobacillus plantarum,LP)、布氏乳杆菌(Lactobacillus buchneri,LB)及苯甲酸钠(Sodium benzoate,SB)添加剂处理,青贮45 d后取样分析,测定青贮品质和净碳水化合物和蛋白质体系(Cornell net carbohydrate and protein system,CNCPS)蛋白组分。结果表明:(1)‘白燕2’的干物质、可溶性碳水化合物、蛋白质和粗脂肪含量显著高于其他品种。(2)与对照组相比,添加剂组可以显著降低高寒地区燕麦青贮饲料的pH值(P<0.05),添加LB能够显著降低氨态氮含量,提高乳酸和乙酸含量(P<0.05)。不同添加剂均能显著降低中性洗涤纤维和酸性洗涤纤维含量(P<0.05)。品种和添加剂互作对燕麦青贮饲料有显著影响(P<0.01)。(3)CNCPS蛋白组分测定结果表明,品种和添加剂互作对PB组分含量均有显著提高(P<0.01),对PA和PC组分含量均有显著降低(P<0.01)。综上所述,品种和添加剂互作对燕麦青贮品质和CNCPS蛋白组分均有不同程度的改善作用,以“白燕2+LB”组合效果最佳。展开更多
文摘针对黄河源区水文情势复杂多变、径流模拟精度不足的问题,旨在构建融合潜在蒸散发(PET)预测的径流模拟方法,提升高寒地区径流模拟的可靠性。本研究采用随机森林(RF)、多层感知机(MLP)和极限学习机(ELM)3种机器学习方法,引入长短期记忆网络(LSTM)和PatchTST(Patch Time Series Transformer)深度学习方法,融合PET预测值进行径流模拟,评估不同气象因子组合下PET的模拟性能。研究结果表明:最高气温是PET模拟的最关键驱动因子,最高气温、相对湿度与风速组合情景下的PET模拟精度最高;在深度学习模型中,PatchTST模型在预测未来1个月潜在蒸散发时表现次于LSTM模型,但在多步长预测中表现更优;融合潜在蒸散发预测数据后,模型性能显著提升;以唐乃亥站PatchTST模型为例,纳什效率系数从0.706增至0.896(改进幅度为26.9%),平均绝对百分比误差从23.502降至18.305(降幅为22.1%),均方根误差从276.7降至160.8(降幅为41.9%),表明PET数据有效捕捉了蒸散发对径流损失的动态影响。研究成果可为高寒、缺资料地区的水文预报工作提供更精准的解决方案。
文摘为了筛选适宜三江源区的燕麦品种及高效添加剂,选用燕麦品种‘贝勒Ⅱ’‘白燕2’和‘白燕7’,于抽穗期收获后,分别设置空白对照(CK)、植物乳杆菌(Lactobacillus plantarum,LP)、布氏乳杆菌(Lactobacillus buchneri,LB)及苯甲酸钠(Sodium benzoate,SB)添加剂处理,青贮45 d后取样分析,测定青贮品质和净碳水化合物和蛋白质体系(Cornell net carbohydrate and protein system,CNCPS)蛋白组分。结果表明:(1)‘白燕2’的干物质、可溶性碳水化合物、蛋白质和粗脂肪含量显著高于其他品种。(2)与对照组相比,添加剂组可以显著降低高寒地区燕麦青贮饲料的pH值(P<0.05),添加LB能够显著降低氨态氮含量,提高乳酸和乙酸含量(P<0.05)。不同添加剂均能显著降低中性洗涤纤维和酸性洗涤纤维含量(P<0.05)。品种和添加剂互作对燕麦青贮饲料有显著影响(P<0.01)。(3)CNCPS蛋白组分测定结果表明,品种和添加剂互作对PB组分含量均有显著提高(P<0.01),对PA和PC组分含量均有显著降低(P<0.01)。综上所述,品种和添加剂互作对燕麦青贮品质和CNCPS蛋白组分均有不同程度的改善作用,以“白燕2+LB”组合效果最佳。
