大豆主要食叶害虫为害当量系统与复合防治指标的研究

豆天蛾(Clanis bilineata Walker)、银纹夜蛾(Plusia agnata Standinger)、棉铃虫(He-liothis armigera Hubner)和豆灰蝶(Plebejus argus L.)对黄淮流域大豆生产影响较大,防治指标亟待改进。人工模拟剪叶建立了叶损失率与产量损失的函数方程。逐种测定日食量,求取了每种幼虫不同阶段的校正等量系数,建立了为害当量系统。在考虑多维因素的基础上,建立了大豆不同生育期的复合防治指标。田间调查表明,应用该指标能较好解决4种害虫在田间混合发生,虫龄参差不齐,难以确定防治指标的困难,具有较高实用性。     

多媒体CAI课件的设计和发展前景

本首先探讨了怎样开发设计一个好的多媒体CAI课件。并提出设计中应注意的问题。随之指出对CAI发展前景：正在向着网络远程教育、积件以及智能化ICAI三个主要方向发展。     

豆田食虫蝽类生态位研究

通过对不同生态类型豆田的系统调查与模拟分析 ,明确了春、夏豆田食虫蝽类的各项生态位参数 :生态位宽度指数分别以小花蝽 (0 6 6 81)和华姬猎蝽 (0 0 80 2 )最高 ;生态位重叠指数分别以黑食蚜盲蝽对大眼蝉长蝽 (0 0 80 2 )和小花蝽对华姬猎蝽 (0 1171)最高 ;生态位相似性比例指数分别以华姬猎蝽对小花蝽(0 76 0 5 )和小花蝽对黑食蚜盲蝽 (0 74 17)最高。应用生态位概念 ,分析了各种食虫蝽的发生数量特征     

棉区夏玉米田害虫及天敌群落结构

1997年7月8日至8月29日系统调查了夏玉米田主要害虫及天敌的种群数量动态,并利用相对多度、丰富度、优势度、生态优势度、多样性指数和均匀度分析了其群落结构和动态。结果表明：（1）在棉区夏玉米田共有害虫和天敌59种,其中害虫24种,天敌35种。（2）截形叶螨为优势种,其优势度指数为0.6459-0.9924。（3）8月中旬以后群落多样性指数（H′）和均匀度（J）较大,分别为0.7327-0.9378和0.5242-0.6986;但此期以前,H′与J均较小,应注意防治。（4）害虫及天敌在时间上的同步性和在空间上的同域性均强,为保护利用自然天敌控害提供了依据。最后分析提出了以保护利用天敌为主的综合防治策略和措施。     

苹果黄蚜危害苹果经济损失和经济阈值的研究

研究了苹果黄蚜危害苹果树新梢第二、四叶的百叶蚜量（x）与苹果产量损失率（y）的相关式为y=-16.009975 0.03707x(r=0.9473），分析提出了其经济阈值为250叶（第二、四叶）蚜量1250头。为了节省调节工时，根据第二、四叶卷叶率（y）蚜量（x）的相关式y=-0.06801 0.007069x(r=0.9945)，求得卷叶率，即其经济阈值也可为第二、四叶卷叶率10％。     

随机森林在棉蚜虫害等级预测中的应用

棉蚜是棉区的主要农业害虫之一,对于棉花的产量和质量影响较大。为了准确地对棉蚜虫害的等级进行分类预测,以便采取科学的防治措施,该研究对山东省滨州地区1990—2009年的20年中5—9月的平均气温、降水量、相对湿度、日照时数等气象数据、棉蚜天敌数据与棉蚜虫害数据进行了相关性分析,筛选后保留的影响因子数据构建随机森林棉蚜虫害等级预测模型。结果表明:随机森林模型的OOB为5.7%,等级的误分率为0.09和0.019,经测试集检验,模型预测的准确率为82.2%。模型泛化性好,等级的误分率低。     

基于深度学习的小麦蚜虫预测预警

小麦蚜虫对小麦的产量和品质影响较大,为及时准确地掌握小麦蚜虫的发生情况,提高小麦蚜虫预测的准确率,将深度信念网络用于小麦蚜虫的短期预测,并对小麦蚜虫发生量以及发生程度进行预测。使用的深度信念网络预测模型含2个隐藏层,通过无监督逐层预训练对网络参数进行初始化,并用有监督微调对网络参数进一步优化,提高预测准确率。最后在国际标准数据集(university of californiairvine,简称UCI)和小麦蚜虫数据集将深度信念网络与支持向量回归(support vector regression,简称SVR)、BP(back propagation)神经网络进行对比试验。结果表明,与浅层学习模型相比,深度信念网络的预测误差较小、推广能力强,可以为小麦蚜虫的防治提供及时有效的指导。     

基于Spark的支持向量机在小麦病害图像识别中的应用

为了提高小麦病害图像分类的效率,提出了一种基于Spark的并行式支持向量机算法。首先对小麦病害图像进行滤波去噪、灰度压缩等处理,利用灰度共生矩阵、不变矩阵等从颜色、纹理和形状3个方面提取49个特征向量;然后通过数据集的切分和并行框架的支持,将大数据并行处理技术Spark与支持向量机结合,运用Scala语言实现了串行支持向量机算法的并行化,并将其应用于小麦病害图像识别。针对小麦锈病和白粉病的图像分类测试结果表明,当测试图像分别是2 600、3 900、5 120张时,该算法对锈病的分类精度依次是76.03%、81.18%、77.82%,对白粉病的分类精度依次是83.27%、85.91%、83.14%,比串行支持向量机分类精度有所提升。分类时间依次是13 928.0、18 506.1、24 897.2 ms,明显低于串行支持向量机的分类时间。改进的算法实现了小麦病害分类精度的小幅度提升,明显提高了处理速度,具有较快的学习收敛速率。     

核机器学习方法及其在生物信息学中的应用

核机器学习方法是一种基于统计学习理论和核函数的机器学习方法.本文阐述了核机器学习方法的基本原理,介绍了目前常用的几种核机器学习方法,给出了构造新的核函数的原则,总结了结构数据核函数的研究现状.在此基础上,以生物信息学为背景,着重指出了当前序列数据的核函数在生物信息学中的应用进展.     

麦套棉受棉蚜为害卷叶株的空间分布和序贯取样技术研究

棉蚜(Aphis gossypii Glover)的苗蚜和伏蚜为害春套棉、夏套棉和夏直播棉形成的卷叶株的空间分布,经4种频次比较法测定,属负二项式分布或核心分布;经6种聚集指标公式测定,属聚集分布。求得了它们的理论抽样次数。分析提出以双对角线10点取样,苗蚜期每点20株、伏蚜期每点10株取样调查方法。组建了它们的序贯抽样调查表,为实施防治指标调查等提供了科学依据。