徐文科
- 作品数：44 被引量：163H指数：7
- 供职机构：东北林业大学理学院更多>>
- 发文基金：黑龙江省自然科学基金国家林业公益性行业科研专项国家科技重大专项更多>>
- 相关领域：理学农业科学生物学文化科学更多>>
- 基于灰色GM(1,1)模型对黑龙江省粮食产量的预测被引量：5
- 2019年
- 应用GM(1,1)模型对1995~2017年黑龙江省粮食产量进行趋势的分析,并且按照发展趋势进行为期三年的预测.所应用到的GM(1,1)模型是按照参数的双向差分进行最小二乘估计,并且在初始值也进行两方面的变动,应用模型初始值加权评均法、模型初始值加权误差平方法.这样可以适当的提高模型的预测精度.
- 张莹莹徐文科
- 函数权重均值及其凸性(一)被引量：2
- 1997年
- 给出了函数权重均值的定义，得到了函数均值在凸函数中的性质、函数均值的意义及其应用。
- 徐文科王学顺
- 关键词：函数均值凸函数凸性
- 结合研究生数学建模竞赛的研讨式教学案例改革被引量：1
- 2016年
- 研究生数学类公共基础课程是研究生后续学习和研究的重要基础,探讨了结合研究生数学建模竞赛的研讨式教学案例改革,并给出了示例。
- 曹连英臧睿徐文科马淑芳谭畅
- 关键词：数学建模教学
- 基于BP神经网络的河川年径流量预测被引量：14
- 2007年
- 运用人工神经网络模型对松花江流域年径流量径流序列做出预报,表明了人工神经网络模型在水文预报中具有一定的优势。通过对基本BP网络算法和L-M算法的比较工作,得到了适合该神经网络模型的训练算法,既L-M算法,提高了预报的精度。以松花江流域哈尔滨站年径流量实测序列为研究对象,在数值试验的基础上找到了适合于松花江流域哈尔滨站年径流序列预报的人工神经网络预报模型结构,提高了该模型的预报准确性。
- 顾海燕徐文科于雷
- 关键词：人工神经网络BP神经网络
- 基于ARMA模型的河川年径流量预测被引量：7
- 2011年
- 利用ARMA模型对河川径流量预测进行了研究.ARMA模型主要利用数据间的相关性来建立模型,根据数据分析建立ARMA(3,1)模型最优,但预测效果并不好.为了达到好的预测效果,把两个ARMA模型组合运用建立新的模型,得到较好的预测效果.
- 王勇顾海燕徐文科
- 关键词：ARMA模型EVIEWS软件可逆性
- 捕食与被捕食种群似乎不相关模型的参数估计被引量：6
- 2013年
- 运用似乎不相关线性模型原理,对具有捕食与被捕食关系的Lotka-Volterra模型的参数给予估计,得到从定量的角度分析种群关系的新途径,为分析具体的应用问题提供了一个新的方法,并对加拿大猞猁与雪兔两种群关系的生态学典型例子进行了具体的定量分析,得出两种群稳定的各项参数估计值。
- 徐文科刘洋
- 关键词：生物种群参数估计
- 带岭林业局森林生态系统经营多目标规划决策被引量：16
- 2004年
- 以实现林业资源可持续发展为目的 ,建立了森林生态系统经营多目标优化模型 ,并利用该模型对黑龙江省带岭林业局 12个林场及 1个苗圃的森林资源经营进行了多目标决策。以生态效益、社会效益和经济效益作为指导性目标 ,公益林效益、多功能林效益和商品林效益作为可操作性目标 ,使森林生态系统整体效益达到最优的情况下进行多目标规划决策 ,以此调整森林资源结构 ,恢复地域性顶极群落。如果作为实现规划目标基础的森林经营演替模型、保育经营措施在带岭林业局将来能被严格地执行 ,地带性顶极群落组成的森林生态系统将会得到有效恢复 ,森林生态系统整体效益也将得到有效的优化。
- 徐文科曲智林王文龙
- 关键词：森林生态系统经营森林资源可持续发展
- 树叶抗火性的排序与分类被引量：34
- 2003年
- 本文应用多元统计分析中的因子分析和聚类分析方法 ,使用spss 1 0 .0forwindows统计软件系统对5 5种树叶的 6种性状进行统计分析。通过计算和分析 ,得出了反映树叶抗火性的顺序和类别 ,对于防火树种的选择有参考作用。从抗火性的结论中 ,可以看出因子分析和聚类分析适合抗火性的排序与分类分析。
- 单延龙胡海清舒立福徐文科
- 关键词：树叶排序抗火性聚类分析防火树种森林防火
- 线性模型的广义最小二乘估计递推算法
- 2011年
- 基于广义线性模型,讨论了新增样品后其系数的广义最小二乘估计与原有的样品其系数的广义最小二乘估计之间的关系,在此基础上,讨论剔除某个过时的样品后,其系数的广义最小二乘估计与原有样品的系数的广义最小二乘估计之间的关系,最后研究新增样品、剔除样品和原有样品它们三个的系数的广义最小二乘估计之间的关系.
- 刘洪伟徐文科
- 关键词：广义最小二乘估计递推算法
- 广义线性回归模型的Moore-Penrose逆阵岭估计被引量：2
- 2009年
- 考虑广义线性回归模型y=Xβ+e,E(e)=0,Cov(e)=σ2Σ,当设计矩阵Xn×p呈现病态时,定义广义线性回归模型的Moore-Penrose逆阵岭估计为β^(k)=(X′Σ-1X+kI)+X′Σ-1y,k>0,讨论了广义线性回归模型的Moore-Penrose逆阵岭估计具有的性质。
- 徐文科唐小燕
- 关键词：岭估计MOORE-PENROSE广义逆SCHUR分解
