资中小麦赤霉病的气候发病规律及防治

以四川资中为例,分析了21年小麦赤霉病的发生规律,同时通过对气象因子的主成分分析,提取了与该病发生关联度较大的气象因子,并将其对小麦赤霉病发生的影响进行了分析。结果表明：21年来资中小麦赤霉病的发生情况较严重,其中最严重的是2000年,1996年次之,病穗率都超过16%。3月下旬～4月中旬的降水量、温度、相对湿度以及前一年秋季的降水和冬季的温度在不同程度上影响小麦赤霉病的发生。最后,提出了防治小麦赤霉病发生的相关措施。     

BP神经网络在小麦赤霉病气象预测中的应用*

 应用BP神经网络的方法建立四川资中小麦赤霉病发病的预报模型,为预防小麦赤霉病发病提供科学依据。根据四川资中小麦赤霉病发生发展的气象生理指标及历年该病发生的统计资料,借助人工神经网络强大的函数映射能力,采用Fletcher-Reeves算法的变梯度反向传播算法——Traincgf,建立了小麦赤霉病发病的气象预报模型。该模型不需要事先确定数学模型,拟合与预测的平均绝对偏差分别为0.01,0.05,优于多元线性回归模型的0.17,0.29。BP神经网络预报模型的拟合精度和预报精度都较高,优于多元线性回归模型,能很好地实现预期效果,对小麦赤霉病发病的预测预防工作具有一定的指导意义。     

灰色人工神经网络在稻瘟病发生预报中的应用

摘要：针对稻瘟病在水稻生长过程中存在的严重危害,笔者基于四川资中地区1998-2008年的稻瘟病发生资料,运用灰色人工神经网络的方法（GBP ）,建立了稻瘟病发生的预报模型,结果表明：灰色人工神经网络模型的平均相对误差为0.0946,远远优于GM(1,1)模型的1.8857。灰色人工神经网络模型可以拟合任意一种函数关系,且该模型信息利用率高,避免了系统数据辨识方法在序列累加时因正负抵消而产生信息失真的现象。灰色人工神经网络模型的拟合和预测精度较高,可以用于该地区稻瘟病发生的预测工作。