文档介绍：青贮饲料裹包密度分布的可视化检测方法
摘要:青贮饲料裹包密度是衡量青贮饲料质量的重要因素。应用统计理论来分析圆锥指数进而评价青贮饲料裹包密度的方法已很普遍,但其无法充分解释密度分布的位点信息。因此,在传统统计方法的基础上,引入过程中产生极大值和极小值。因此,分析前须要根据域值识别法对数据进行前期处理,避免奇异值的存在掩盖数据内部固有的空间结构。采用“样本平均值m±3倍标准差δ”,在此区间(m±3δ)以外的数据均视为奇异值。由于样本数据量充足,本研究采用剔除异常值的处理办法。 经域值分析处理后, 数据各参数值(表3)较符合正态分布,后续相关计算均采用域法处理后的数据。
2 结果与分析
统计分析
由表3可以看出,在采用固定腔式打捆机裹包的青贮bale 1~bale 6中,bale 3平均圆锥指数值则最小,bale 5最大。由表2可知,bale3所含原料草的平均长度最大,bale 5最小。将原料草的平均长度与平均圆锥指数值进行线性回归,结果如图3所示。由此可推断出青贮压实密度与原料草切碎长度成反比关系,即原料草长度越短,其压实密度越大。在7捆青贮中,bale 7的平均圆锥指数值最大, N,同时试验中测得数据的最大值也产生于bale 7,而bale 7的容重( g/cm3)(表1)也最大。从上述结果可知,活动腔式打捆机能够裹包出密度更大的裹包青贮饲料。从均方差统计结果来看,bale 3圆锥指数值比其他捆更为平滑,即bale 3密度分布更为均匀,后面的插值分布图能很好地证实这一点。由bale 1~bale 6的比较分析可推论出:(1)打捆压力过大容易造成受力不均,从而致使整体裹包密度分布不均匀;(2)调节原料草长度能够调节裹包密度分布,增加原料草长度可使捆裹密度相对均匀,但同时却减少了青贮饲料的平均裹包密度,因此制作青贮饲料时须选择适当的捆裹力度和原料草长度。 可視化分析
为了进一步***青贮裹包饲料内部压实情况,本研究以4份青贮样本为例(3捆固定腔式bale1、bale2、bale3和1捆活动腔式bale7),尝试应用地统计理论在小尺度( m× m)上进行插值分析。使用Vesper软件,以Kriging插值法对点数据进行空间内插,然后利用ArcGIS ,并对相关的数据进行统计[19-21]。
普通克里格预测 从图4可以看出,总体而言,半方差函数随着距离的增加而增加,当步长从40 cm增加至70 cm时,半方差函数在该距离上的变化相对稳定;而当步长超过70 cm时,半方差呈现不规则波动。因此,本研究在进行空间变异结构建模时采取最大建模距离为70 cm时,利用带基台直线半方差模型对青贮饲料取样圆锥指数进行拟合,特征参数列于表4,表中空间自相关距离(即表4参中的变程)均大于20 cm。这一分析结果表明,本研究所采用的采样间隔(20 cm)可以满足数据分析需要。同时由2种打包机捆裹而成的青贮饲料内部的半方差函数在变程和半方差两方面均存在明显差别,从侧面反映了2种打包机工作机制的不同。但由于此次试验中硬心结构裹包青贮饲料只有1个样本,对于形成这一结论缺乏充分说服力,将在以后试验中加以验证。
应用ArcGIS ,生成轴向剖面属性图(图5)。从图5可以看出,bale 1、bale 2和bale 3均中心密度小,而bale 7则相反,中心密度大,这与实际机械打包方式相符。观察属性图中蓝色域(圆锥指数值大的区域)分布比例情况,同样可以得出bale 7具有较大的裹包密度。从属性图中可以直观地看到以相同方式打包的bale 1、bale 2、bale 3,其密度分布逐渐均匀,这与前面的统计标准差分析结果相符。另外,从右侧域值图例可以验证这一结论,在bale 1中4个域值才能包括75%的数据,bale 2、bale 3依次递减,从这一角度同样可以反映出数据的分散情况,即裹包密度的均匀程度。
预测结果的准确性验证 从每组数据中随机选取50个数据点作为验证集,其余数据作为训练集,用训练集拟合半方差模型,对验证集的50个数
据点进行预测。将这4组共200个校验数据对混合,从中随机选取50个,其预测结果与测量值的回归结果如图6所示,。这一结果验证了小尺度上应用地统计理论插值预测的可行性,且能够达到满意效果,同时为传统的统计分析提供了辅助信息。
3 结论
圆锥指数仪作为一种有效的测量方法已普遍应用于青贮饲料裹包密度测量,统计分析法不能充分解释密度分布的位点信息。基于圆锥指数仪的统计分析与基于地统计理论