PSO和SVM混合算法确定太湖入湖河流水质主要影响因子

以影响太湖入湖河流水质的24个因子值为研究对象，将PSO算法与SVM算法相结合。PSO算法用于优化SVM算法的参数c和g，以利于快速、高效地确定c和g的全局最优值；SVM算法基于最优的c和g，分别以24，21，18，15，12，9和6个因子作为特征向量预测水质的污染程度。结果表明，当特征向量为9个影响因子时预测率最高。其参数c=18.56，g=1.35，对应的预测率为：全局预测率92.59%，重度污染水质预测率88.89%，轻度污染水质预测率94.45%。因此，通过PSO和SVM混合算法，可以确定影响太湖入湖河流水质的主要因子，利用这些主要因子对水质进行预测预警，不但可以节省时间，而且可以得到精确的结果。     

土壤水分和氮素水平对春小麦水分与氮素利用效率的影响

以抗旱性不同的三个春小麦品种为材料,研究它们在不同水氮水平下水分利用效率(WUE)和氮素利用效率(NUE)的变化,探讨二者间的相关性。结果表明:三个品种中,和尚头和定西35号的WUE相当,而定西35号的NUE最高。三个春小麦品种叶片NUE均随施氮量增加而降低,整株水平的NUE与氮素水平负相关。施氮量对春小麦叶片光合作用的瞬时WUE影响不显著,整株WUE与施氮量显著正相关。水氮耦合作用对春小麦NUE具有重要影响,整株NUE对水分条件的响应表现出明显的氮水平依赖性。春小麦品种氮素利用和水分利用两个生理过程之间存在"负偶联"关系。