橡胶树白粉病 PMA-qPCR 检测体系及应用

【目的】橡胶树白粉病是迄今为止我国橡胶树最重要的叶部病害，通过将叠氮溴化丙啶（PMA） 与实时荧光定量 PCR 技术（qPCR）相结合，构建橡胶树白粉病 PMA-qPCR 检测体系，为及时高效检测橡胶 树白粉菌分生孢子活菌量提供技术支撑。【方法】根据橡胶树白粉菌核糖体内转录间隔区（ITS）序列保守区 设计引物，验证其特异性，以该菌重组质粒 pMD-19T-Eq 绘制标准曲线，建立橡胶树白粉病 PMA-qPCR 检测 体系，对其重复性和灵敏度进行评价，并运用该体系对丙环唑处理橡胶树白粉病病叶后的活菌数进行检测。 【结果】研究设计的引物特异性良好，构建的橡胶树白粉菌 qPCR 标准曲线循环阈值（Ct）与模板浓度呈良 好的线性关系，相关系数为 0.9981，扩增效率为 107.97%。PMA-qPCR 对活孢子悬浮液扩增几乎无影响，检 测灵敏度为 4.77×102 copies/μL。在丙环唑处理橡胶树白粉病 15 min 后，活菌比例从 66.13% 下降至 23.18%。 【结论】PMA-qPCR 检测体系能快速定量检测橡胶树白粉病活菌量，具有灵敏、准确和高效的优点，为该病害 的预测预报及防治效果提供理论依据和技术手段。     

基于模糊神经网络的农业病害诊断通用平台构建

【目的】构建基于模糊神经网络的农业病害诊断通用平台。【方法】将客观计算与专家经验相结合,分别对病害症状的重要性及其模糊描述进行分析量化。建立模糊BP神经网络通用诊断模型用于诊断推理,引入附加动量法和自适应学习速率法对传统BP算法进行改进。采用面向对象的方法,运用Java语言开发病害动态诊断平台,并以葡萄病害诊断为例,对平台功能及性能进行测试。【结果】基于模糊神经网络的农业病害诊断通用平台构建成功,其对葡萄病害的诊断结果与专一的葡萄病害诊断专家系统诊断结果一致,且神经网络的训练速度显著提高。【结论】构建的基于模糊神经网络的农业病害诊断通用平台,适用于多种作物的病害诊断,克服了完全依靠专家经验的主观性,诊断效率高,具有较高的实用性、通用性和灵活性。     

基于T-S模糊神经网络模型的干旱区土壤盐分预测研究

【目的】本研究以野外考察数据为基础,尝试构建基于模糊神经网络方法的干旱区土壤盐分预测模型,对表层土壤盐分进行预测模拟。【方法】首先,根据研究区实际情况选取7个土壤盐渍化影响因子并提取所需信息,利用灰色关联分析法得出土壤盐分与各影响因子之间的关系,然后利用土壤盐渍化的影响因子作为输入样本,土壤盐分作为输出因子,建立了基于T-S模糊神经网络的表层土壤盐分预测模型。【结果】预测结果表明,平均相对误差为13.092%,最小误差为0.875%,最大相对误差为41.733%,预测精度较高。【结论】T-S模糊神经网络模型的预测效果较好,可以用于预测土壤盐渍化状况,为干旱区土壤盐渍化变化规律提供了一种有效的方法。     

基于BP神经网络的稻瘟病预测预报研究

【目的】稻瘟病是水稻主要病害之一,严重制约水稻高产稳产。近年来随着品种布局、耕作制度改变及气候变化的影响,其流行程度年度间波动很大。目前,稻瘟病在云南省各水稻产区呈现中等偏重发生的趋势,预测预报作为指导防治的先行者,具有重要作用。【方法】为了及时有效的做好稻瘟病防范工作,本研究采用稻瘟病发生相关气象因子及田间穗瘟病情指数,利用BP神经网络技术,选取德宏州芒市为试验点开展稻瘟病预测预报研究。【结果】从气象因子与预测对象的相关性来看,筛选出来的各气象因子与病情指数之间都存在较强的相关性,其理想输出和实际输出值都比较接近,误差曲线也比较吻合,预测准确度能满足实际需求。【结论】由此可见,BP神经网络建立的稻瘟病中期预测模型更具有优势。不需要事先进行数学公式表达,具有更高的预测准确度,选择试验点5-9月的气象数据以及田间稻瘟病病情指数建立的预测预报模型,预测结果更为客观和可靠,能及时做好稻瘟病的防控工作。     

基于混沌径向基神经网络模型的洪水预测研究

【目的】建立更为理想的洪峰大流量预测模型。【方法】针对目前大部分预测模型对洪峰大流量数值预测结果不太理想的问题,根据自然界中普遍存在的混沌现象,在对洪水系统进行混沌识别的基础上,建立了基于混沌理论和径向基神经网络(RBF)的预测模型,将实测洪水序列进行相空间重构得到训练样本,利用MATLAB 7.0工具箱确定网络结构。【结果】将所建立的RBF模型用于汾河石滩水文站2004年最大洪水的预测,结果表明,该模型预测结果的合格率、平均相对误差、相关系数(R)、均方根误差(RMSE)和Nash-Sutcliffe系数(NSC)分别为100%,4.69%,0.9793,4.2260和0.9552,而传统Volterra级数自适应预测模型的分别为93.75%,8.97%,0.9540,10.2632和0.7358,可见RBF模型的预测结果较好,并且对预测洪峰大流量数值取得了较理想的预测效果。【结论】将混沌理论和径向基神经网络结合建立预测模型,作为提高洪水预报精度的一种新尝试,对以后进行洪水预测研究具有一定的参考价值。     

基于灰色神经网络与马尔科夫链的城市需水量组合预测

【目的】针对城市需水量预测系统具有非线性和随机波动性的特点,建立基于马尔科夫链修正的组合灰色神经网络预测模型,以提高模型的预测精度。【方法】比较分析灰色GM(1,1)模型、BP神经网络模型以及二者线性组合的灰色神经网络预测模型的预测效果,建立基于马尔科夫链修正的组合灰色神经网络预测模型,并以榆林市2000-2009年的用水量实际数据为研究对象,通过实例比较分析模型的检验预测精度。【结果】经马尔科夫链修正处理后,建立的基于马尔科夫链修正的灰色神经网络组合模型的预测精度更高,预测误差的绝对值均小于4%,且均方差σ为1.00,小于组合灰色神经网络模型与GM(1,1)模型、BP神经网络模型预测误差值的均方差。【结论】基于马尔科夫链修正的组合灰色神经网络需水量预测模型,对城市需水量的预测优于灰色神经网络及各单项预测模型,不仅预测精度高,而且能同时反映出数据序列发展变化的总体趋势和系统各状态之间的内在规律,适合描述随机波动性较大的预测问题。     

地下水位粒子群优化神经网络组合预测模型

【目的】将粒子群优化神经网络组合预测方法引入地下水位预测中,以提高地下水位预测的精度。【方法】以回归分析法、指数平滑法、灰色GM（1,1）模型的地下水位预测结果及预测结果平均值作为网络的输入,以实际地下水位值作为输出,对3个单一模型进行非线性组合,建立地下水位的粒子群优化神经网络组合预测模型,应用实例对模型的预测结果进行了验证,并与3个单一模型及等权平均组合模型的预测结果进行比较。【结果】实例运用结果表明,粒子群优化神经网络组合预测模型的均方误差为0.740 9,平均绝对误差为0.657 6,均小于单一模型及等权平均组合模型的相应值。【结论】粒子群优化神经网络组合预测方法适用于地下水位的预测。     

基于神经网络方法和支持向量机的西安市水资源需水预测

【目的】建立精度更高的需水量预测模型,为水资源规划管理提供理论依据。【方法】建立基于神经网络方法和支持向量机的需水量预测模型,以西安市需水预测为例,对2种预测模型的预测结果进行了比较。【结果】利用建立的径向基函数神经网络需水预测模型,得到西安市2010和2020年的需水量分别为32 485.65,48 180.43万m3;采用支持向量机模型能全面考虑影响需水预测的各种因素,预测西安市2010和2020年的需水量分别为32 488.03,48 184.41万m3。【结论】基于神经网络方法和支持向量机方法的需水量预测模型均可全面反映需水量的变化规律,两者预测结果十分接近,均可用于需水量的精确预测。     

基于BP神经网络建立初烤烟叶主流烟气中氢氰酸释放量的预测模型

【目的】建立准确、环境友好的氢氰酸释放量预测方法,以减少检测过程中氢氰酸对人体的危害。【方法】测定了182份初烤烟叶样品的主流烟气氢氰酸释放量和25种烟叶化学成分,采用BP神经网络,以卷烟常规化学成分烟丝水分、氯、丙二酸、挥发酸、钾、总氮作为神经网络的输入,主流烟气中氢氰酸作为输出,建立初烤烟叶主流烟气中氢氰酸释放量的预测模型。【结果】利用所建模型对28个样品进行外部验证,模型平均预测相对偏差为7.88%,大部分样品的预测相对偏差在10%以内。【结论】该预测模型预测精度良好,对于初烤烟叶具有广泛的适用性。     

黄河源区河川径流短期预测的ANFIS模型

【目的】建立径流短期预测的自适应神经模糊推理系统(ANFIS)模型,以提高预测精度,进而为黄河源区水资源开发和工程规划提供参考。【方法】以黄河源区出口站军功水文站为研究对象,以ANFIS为基本方法,建立ANFIS日尺度径流预测模型。基于输入变量、训练次数、隶属度函数类型与数目、预见期等参数设置了9个方案,通过实测径流与预测径流的对比和评价指标(均方根误差RMSE、相关性系数R)验证确定最佳方案,并分析不同参数对预测结果的敏感性,获得基于最优参数的ANFIS模型。【结果】采用神经网络+Sugeno型模糊推理算法建立了ANFIS日尺度径流预测模型,在预见期为1d时,利用ANFIS模型进行的径流短期预测,其相对误差最大为4.36%,平均为0.21%,预测结果合理可靠;当预见期延长至2~4d时,预测结果均满足精度要求,相对误差平均值均小于3.00%。【结论】将ANFIS用于短期径流预测,既可提高预测精度,又能延长预见期,可为黄河源区水库群规划、施工、调度和全流域水资源配置提供指导。     

基于遗传算法优化的BP神经网络的组合预测模型方法研究

【目的】提出以传统猪瘟发病率为对象的组合预测模型。【方法】利用ARIMA模型以及灰色模型GM(1,1)进行数据初始化处理,将初步处理结果作为优化后的BP神经网络输入构建组合模型。【结果】利用组合模型对2000年到2009年的月度发病数据进行实例分析,结果表明预测数据精度达到97.379%,较ARIMA模型,灰色模型、BP神经网络模型分别提高了5.469%、3.499%、1.188%,模型平稳性增强,预测结果良好。【结论】本研究为动物疫情测报提供了有效的分析手段,验证了组合模型在动物疫情研究中的可行性,并可为其它动物疫病提供借鉴和参考。     

基于多层感知机的温室内番茄茎直径变化预测模型

【目的】研究温室内番茄茎直径变化量动态预测模型,为番茄需水规律提供一定决策支持。【方法】采用多层感知机算法与植物生理生态信息相融合的方法,建立一个包含空气温湿度、土壤湿度、叶片温度、茎直径变化量及光合有效辐射的基于多层感知机算法的茎直径变化量预测模型。采用3层隐含层神经网络对经过正则化及归一化的6维训练集数据向量,进行全连接式训练后,得出预测模型,验证集数据输入预测模型后得出1维输出向量,对输出向量进行反归一化进而得出茎直径变化量预测值。【结果】建立的基于多层感知机短时番茄茎直径变化量动态预测模型的预测值与实测值的回归系数(R²)为0.901,均方根误差(RMSE)为0.175。【结论】该模型适用于温室番茄短时茎直径变化量动态预测,具有较好的应用场景。     

基于小波神经与随机分析的径流预测

【目的】分析水文不确定性因素对径流预测的影响,提高中长期水文预报方法模拟预测结果的精度。【方法】将小波分析(WA)、人工神经网络(ANN)和随机分析联合使用建立径流预测模型,即在小波分析(WA)揭示流量时频特性的基础上,将径流原序列分为高频部分和低频部分,然后利用人工神经网络(ANN)对低频部分进行模拟预测,利用随机分析对高频部分进行分析,最后将各部分结果叠加作为最终预测结果。将所建立的径流预测模型用于渠江二级支流后河的径流预测,并与传统BP人工神经网络方法的预测结果进行对比。【结果】根据《水文情报预报规范》,以预测值的相对误差小于10%为标准,传统BP人工神经网络预测结果合格率为46.67%,而基于小波神经与随机分析的径流预测模型在正常水文年模拟预测结果的合格率为73.33%。【结论】基于小波与随机分析的径流模型预测精度好、合格率高,能得到更好的复杂水文条件下的径流预测值。     

基于K-means聚类+灰色理论+BP神经网络的区域天然气长期需求预测

【目的】不同区域影响天然气需求量的因素存在差异,数据集包含的数据特征也不尽相同,同时天然气长期需求预测存在样本数据少的问题,因此较难构建各区域通用的需求预测模型。【方法】选取山东省11个地级市为研究对象,根据天然气年度消费量、GDP、人口等影响天然气需求量的主要因素,将多个地区、多时间跨度的数据作为总样本库,使用皮尔逊相关系数对样本特征进行初筛,利用K-means聚类算法对各样本数据进行聚类,选取能源消费结构相似的3个样本点,并将样本点对应的下一时间点的天然气需求量作为数据样本的新特征;同时,将灰色理论预测输出结果作为BP神经网络的输入样本,基于新的样本数据特征与BP神经网络构建组合预测模型。【结果】基于K-means聚类+灰色理论+BP神经网络的预测方法有效利用了相似能源结构的城市天然气历史需求量,并结合灰色理论预测模型在小样本数据上鲁棒性高的优点,预测得到山东省11个地级市天然气长期需求预测的平均绝对百分比误差为0.57%～6.41%。与传统的灰色理论预测模型、BP神经网络模型、K-means聚类+BP神经网络相比,新预测方法在模型误差、预测结果的稳定性方面均有明显改进。【结论】新...     

中长期径流预报模型优选研究

【目的】对中长期径流预报模型进行比较和优选,为中长期径流预报模型的应用及提高预报精度提供参考。【方法】以黄河流域黑石关、龙门、民和水文站年径流为研究对象,利用灰色预测进行趋势分析、逐步回归进行周期分析,两者耦合建立灰色-逐步回归周期模型;利用逐步回归分析确定均生函数的周期性基函数,耦合建立均生函数-逐步回归模型;利用灰色-逐步回归中的趋势项和周期项作为预报因子,建立投影寻踪回归模型;利用前4年的实测径流数据预报当年径流,建立BP神经网络模型,并通过信息熵原理进行站点模型的综合评价和优选。【结果】建模期除黑石关水文站BP神经网络模型外,各站点拟合预报的平均相对误差均小于11.0%,合格率均大于90%。验证期除民和水文站灰色-逐步回归周期模型外,各站点平均相对误差均小于20%,合格率等于或大于80%,满足精度要求。【结论】均生函数-逐步回归径流预报模型可作为黑石关水文站的优选模型,BP神经网络径流预报模型可作为龙门和民和水文站的优选模型。     

基于灰色理论和回归分析的需水量组合预测研究

【目的】建立精度更高的需水量预测模型,为水资源规划提供理论依据。【方法】建立基于灰色预测和线性回归预测的需水量组合预测模型,以深圳大鹏半岛需水量为例,对组合预测模型的预测结果与单独采用灰色预测、线性回归模型预测的结果进行了比较。【结果】单独采用灰色预测模型和线性回归模型进行预测的平均误差分别为6.5%和2.5%,而基于灰色预测和线性回归的组合预测模型的平均误差仅为1%。【结论】组合模型的预测精度较单一模型的预测精度明显提高,并且该模型可以更全面地反映需水量的变化规律。     

变权组合预测模型在洪水预报中的应用

【目的】研究洪水预报的多模型组合预报模式,丰富洪水预报的方式方法。【方法】将最优非负可变加权系数的组合预测方法应用于洪水预报中,分别建立最优加权组合预测模型和最优非负可变加权系数组合预测模型,以新安江模型、萨克拉门托模型、水箱模型和陕北模型为例进行组合预报,并用东洋河1982年8月的一场洪水实测流量值对2种组合模型进行了实例验证和比较。【结果】最优非负可变加权系数组合预测模型的3种误差指标均方误差(MSE)、平均绝对误差(MAE)和平均绝对百分比误差(MAPE)分别为18.394 0,51.317 2和0.131 4,明显小于最优加权组合预测模型的28.110 7,108.816 7和0.268 9,且前者的确定性系数(DC)为0.961 3,明显大于后者的0.909 5,表明应用最优非负可变加权系数组合预测模型的预测结果优于定权重的最优加权组合预测模型的预测结果。【结论】考虑变权重的最优组合预测能进一步提高洪水预测的精度。     

应用云模型的无人农业车辆遇障速度控制策略

【目的】提高遥控操作农业车辆的智能性与安全性。【方法】提出一种新的无人农业车辆遇障后的速度控制方法。建立动态环境中无人车辆的碰撞预测模型,确定实时碰撞位置,依据专家经验与农业作业环境制定的云推理规则,建立速度控制策略,实现速度控制。【结果】算法预测判断平均耗时0.170 1 s,无人车辆速度控制过程没有受到无威胁障碍物影响,且符合速度云推理规则。【结论】该算法能够实现实时碰撞预测,具备抗干扰能力,满足实时性要求。     

应用Fuzzy贴近度对第3代稻纵卷叶螟发生量的定量预测研究

【目的】建立化州市稻纵卷叶螟发生量动态预测模型,为稻纵卷叶螟防治提供科学依据。【方法】运用Fuzzy贴近度原理,挑选与第3代稻纵卷叶螟发生量相关性好、超前性好的3项前期气象因子建立贴近度预测模型,并结合化州市第3代稻纵卷叶螟的实际发生情况,设定Fuzzy贴近度预测规则。【结果】建立了化州市第3代稻纵卷叶螟发生量的定量预测模型y=2.5587＋44.1039R（x0,xi）,并计算出预测规则,经对历史资料的回测检验,历史拟合率达92.3%,2009和2010年预测结果与实际一致。【结论】建立的稻纵卷叶螟发生量定量预测模型具有计算简单、工作量小、应用方便、预报准确率高等优点,适宜于基层测报站及生产单位推广应用。     

白粉病对小麦光合特性的影响及病害严重度的定量模拟

【目的】明确白粉病胁迫对小麦光合特性的影响规律,构建白粉病胁迫下小麦光合生产的模拟模型。【方法】以小麦为试验材料,分别于拔节期和孕穗期进行不同接种程度的小麦白粉病试验,明确白粉病对小麦光合特性的影响规律;在此基础上构建小麦白粉病严重度预测模型,量化白粉病对小麦的生理影响;基于单叶净光合速率(P_n)和叶面积指数(LAI),实现小麦白粉病严重度预测模型与作物生长模型(WheatGrow)的耦合。【结果】白粉病胁迫下,小麦单叶P_n和LAI均呈现下降趋势,与对照(CK)相比分别平均下降18.81%和23.41%,且与初始接种程度相比,发病时期对小麦P_n和LAI的影响更为严重;小麦白粉病田间病情发展具有明显的平缓期、指数爆发期和稳定期,总的来说各处理下小麦白粉病流行的时间动态变化特征符合Logistic函数,基于白粉病胁迫对小麦影响的拟合结果,构建小麦白粉病病害胁迫因子,用以反映白粉病对小麦生理指标影响的胁迫效应;基于WheatGrow模型的光合生产子模型,结合小麦白粉病病害胁迫因子,提出模拟白粉病对小麦叶片P_n