马尾松毛虫发生量空间定点预报模型的研究

利用1983年9月至1989年9月马尾松毛虫的虫情调查资料,研究仙居县各测报点的马尾松毛虫有虫面积、虫口密度的时空变化规律,分别建立三维自回归趋势面模型、预测克立格模型、空间-时间序列预测之自回归模型和广义时空回归模型4种发生量空间定点预报模型。结果表明,所建立的4种发生量空间定点预报模型均具有较好的预报效果,对1989年3代的虫口密度、有虫面积进行预报检验,预测克立格模型的预报准确率为100％;空间-时间序列预测之自回归模型和广义时空回归模型对两者的预报准确率则均为66.7％;三维自回归趋势面模型虫口密度预报准确率为33.3％,有虫面积的预报准确率为66.7％。     

基于遗传神经网络混合模型预测马尾松毛虫发生量的研究

根据相关系数法、均生函数法及逐步回归法分别选取与马尾松毛虫有虫面积、虫口密度、虫株率相关关系密切的气象因子和延拓均生函数序列作为各预测模型的输入特征,分别建立马尾松毛虫有虫面积、虫口密度、虫株率与气象因子的GA-BP混合模型。结果表明,所建立的各GA-BP混合预测模型,具有令人满意的拟合精度和预测精度。当隐含层神经元个数为13个,预报因子数为6个时,3组预留有虫面积的平均预测误差为4．41％;虫口密度GA-BP混合模型的隐层神经元个数为9个,预报因子数为4个时,3组预留样本的平均预测误差为2．17％;虫株率GA-BP混合模型的隐层神经元个数为9个,预报因子数为4个时,3组预留样本的平均预测误差为4．25％。     

基于粒子群优化神经网络混合模型预测马尾松毛虫发生量

针对BP网络具有局部精确搜索但易陷入局部极小、粒子群算法具有全局寻优的特点,将二者结合起来形成一种训练神经网络的新算法--PSO-BP算法.根据相关系数法、均生函数法及逐步回归法分别选取与马尾松毛虫有虫面积、虫口密度、有虫株率相关关系密切的气象因子和延拓均生函数序列作为样本的输入特征,分别建立马尾松毛虫有虫面积、虫口密度、有虫株率与气象因子和延拓均生函数序列的PSO-BP混合模型.结果表明:建立的各PSO-BP混合模型,具有令人满意的拟合精度和预测精度.当隐含层神经元个数为13个,预报因子数为6个时,3组预留有虫面积的平均预测误差为4.01%;虫口密度PSO-BP混合模型的隐层神经元个数为9个,预报因子数为4个时,预留样本的平均预测误差为3.32%;有虫株率PSO-BP混合模型的隐层神经元个数为9个,预报因子数为4个时,预留样本的平均预测误差为2.83%.上述3个指标的预测准确率均为100%.     

应用模糊综合评判技术预测马尾松毛虫越冬代发生量

应用浙江省临海市连续９ａ马尾松毛虫发生面积的调查资料和当地气象资料，根据相关系数法选出预报因子，采用模糊评判的６个数学模型预测松毛虫越冬代的发生量。经回报检验，各数学模型预测值与实测值的吻合程度达８８．９％，具有较好的实用价值。     

基于神经网络的马尾松毛虫发生量Matlab建模研究

根据安徽省潜山县马尾松毛虫监测数据和国家气候中心的气象数据,运用Matlab中神经网络拟合工具对马尾松毛虫发生量进行建模试验,试验结果验证样本和测试样本R值均为1。     

马尾松毛虫大发生灰色灾变超长期预测

本文应用灰色灾变预测理论对马尾松毛虫大发生进行了超长期预测。所建模型达GOOD级精度,预测可信。经验证,预测结果准确。     

马尾松毛虫的主要危害与预测预报技术

分析马尾松毛虫的主要危害,并探讨当前马尾松毛虫害的若干预测预报技术。     

马尾松毛虫发生量时空回归预测的研究

[目的]为控制马尾松毛虫的危害提供理论依据。[方法]以1983年9月～1989年9月浙江省仙居县虫情调查资料和气象资料为研究对象,考察各调查点马尾松毛虫有虫面积随气象因子及时间、空间的动态变化,建立马尾松毛虫发生量的时空回归预测模型,并用所建立模型对1989年3代马尾松毛虫有虫面积进行预报检验。[结果]共建立了1个线性、8个非线性马尾松毛虫发生量时空回归预测模型。1989年3代马尾松毛虫实际危害村数及有虫面积分别为141、143、138村和4533．1、4181．3、5166．0hm^2,9个模型预报的3代马尾松毛虫的发生村数均为193村,线性模型预报的3代马尾松毛虫的发生面积分别为3978．5、4159．5、3427．5hm^2,非线性模型预报的各测报点3代马尾松毛虫的发生面积分别与实际最大相差71．6868、99．8359、119．9478hm^2。[结论]所建立模型对马尾松毛虫有虫面积的预报准确率均为66．7％。     

马尾松毛虫的生活习性及预测预报

分析了马尾松毛虫的危害,阐述了其生活习性,介绍了几种虫情调查方法和发生期预测预报的方法,以期为马尾松毛虫的防治提供借鉴。     

利用马尔可夫链方法测报马尾松毛虫发生级别

根据广东郁南1975—2002年马尾松毛虫发生程度的历史资料,应用马尔可夫链方法对2003—2005年的马尾松毛虫发生级别进行了预测,并对1990—2002年的发生级别进行了回测,历史符合率为92.31%。     

马尔可夫链在马尾松毛虫发生程度预测中的应用

根据广东梅州1975～2002年马尾松毛虫发生程度的历史资料,应用马尔可夫链方法对2003～2005年的马尾松毛虫发生程度进行预测,并对1993～2002年的发生程度进行回测,历史符合率为85%。该方法简便易行,为马尾松毛虫发生程度的长期预测提供了一条新途径。     

ARIMA模型在马尾松毛虫发生面积预测中的应用

[目的]为了研究ARIMA模型在马尾松毛虫发生面积预测中的应用。[方法]利用时间序列对郁南市1975~2002年马尾松毛虫发生面积数据进行了分析。经过数据平稳化、模型识别及参数估计确立了ARIMA(2,2,2)模型,对郁南市1975~2002年的马尾松毛虫发生面积作了回测。[结果]ARIMA(2,2,2)模型预测值的动态趋势与实际情况基本一致,特别是1990年以后的预测效果更佳,实际值都落入了预测值的可信区间范围,结果比较理想。[结论]ARIMA模型假定未来的发展模式与过去的模式是一致的,更适用于作短期的预测。     

文山松毛虫危害程度与发生范围预测预报研究

编制了文山松毛虫预测预报虫灾级数表，提出了文山松毛虫危害程度初步测报式，利用马尔可夫链模型分析法进行了文山松毛虫发生面积的预测预报，准确性较高。     

基于响应面方法的马尾松毛虫发生量混沌特性检测及其预测

以非线性动力学为基础,通过响应面方法建立马尾松毛虫有虫面积序列密度依赖离散世代的非线性模型.结果表明:用响应面方法检测的马尾松毛虫有虫面积序列具有混沌特征,马尾松毛虫世代间有虫面积动态为2级相关,可以用前1代及前2代的有虫面积预测下1代的有虫面积,且预测准确性较高.     

马尾松毛虫发生为害与林相之间的关系

通过在青山乡的高岭、双峰乡的观音等地的调查研究,认为马尾松毛虫的发生,与林相之间关系密切,经方差分析,纯林的为害度显著高于混交林。常灾区对纯林宜加以改造,荒山造林时宜营造松阔混交林。     

马尾松毛虫危害程度分级预报的研究

根据相关系数法筛选出与马尾松毛虫各级危害程度的危害面积相关关系都比较密切的气象因子,分别建立多对多线性回归模型、脉冲响应函数模型、线性差分方程之带输入项的线性自回归模型、人工神经网络模型以及双重筛选逐步回归模型5种马尾松毛虫危害程度分级预报的数学模型。结果表明,运用所建立的5种分级预报模型对预留的4年共16组样本进行预测结果检验,都取得较好的预测效果,其中以线性差分方程之带输入项的线性自回归模型的预测效果最好,人工神经网络模型的预测效果次之,双重筛选逐步回归模型最差。     

马尾松毛虫毒素的提取及其基本性质

为了研究马尾松毛虫幼虫毒素的极性和毒性大小等性质,采用不同极性的溶剂对幼虫毒素进行了抽提试验,并试用家兔皮肤刺激试验法和小鼠急性毒性试验法作为毒素的生物检测方法。结果表明,家兔皮肤刺激试验法可用于马尾松毛虫幼虫毒素的生物检测;毒素性质的研究表明,毒素活性成分的极性较大,较易溶于80％乙醇,可溶于水,较难溶于正丁醇和正己烷;家兔皮肤刺激试验表明,毒素水提物中含毒素蛋白的量很小;热稳定性试验表明,活性成分在常压105℃下热处理不稳定。