排序方式: 共有8条查询结果,搜索用时 11 毫秒
1
1.
以1979—2014年麦蚜历年发生量及气象数据为基础,采用逐步回归法筛选出对麦蚜发生量影响最大的气象因子,以筛选出的气象因子和1979—2009年麦蚜发生量作为训练集建立了小波神经网络预报模型,用该模型对2010—2014年麦蚜发生量进行预测,结果显示,小波神经网络预报模型的预报结果较准确。 相似文献
2.
3.
高效氯氰菊酯与辛硫磷混配对菜青虫的增效作用测定 总被引:4,自引:0,他引:4
采用点滴法测定高效氯氰菊酯与辛硫磷混配对菜青虫幼虫的增效作用。结果表明:高效氯氰菊酯和辛硫磷以1∶15.7、1∶11.5和1∶6.1的比例混配共毒系数(CTC)分别为79.4、84.1和109.9,无增效作用。而高效氯氰菊酯和辛硫磷以1∶9、1∶7.3混配其共毒系数分别为174.3和129.0,表现出明显的增效作用。 相似文献
4.
5.
试验了0.7%印楝素乳油田间防治小菜蛾、菜青虫的药效。结果表明:0.7%印楝素乳油2.1~4.2 g(.a.i)/hm2对菜青虫进行防治,药后7d防效达80%以上,具有较好防治效果,建议在生产上的使用剂量为3.15~4.2 g(a..i)/hm2。0.7%印楝素乳油3.15~5.25 g(a..i)/hm2防治小菜蛾,药后7 d防效达90%以上,可有效控制其危害,建议在生产上的使用剂量为4~5 g(a..i)/hm2。 相似文献
6.
农作物害虫预测预报方法及应用 总被引:2,自引:0,他引:2
农作物病虫害是农作物产量和质量提高的重要制约因素,准确的害虫预测预报是科学防治害虫的前提,具有重要的经济、社会和生态意义。回顾了农作物害虫预测预报方法及目前的发展与应用现状,概述了人工神经网络、相空间重构、小波分析、支持向量机的原理及其在测报中的应用。 相似文献
7.
采用药膜法和点滴法分别测定了马拉硫磷、敌敌畏、甲氰菊酯、阿维菌素、毒死蜱5种常用杀虫剂对赤拟谷盗成虫和幼虫的毒力。结果表明:对于成虫以LC50值进行比较,毒力依次为敌敌畏>阿维菌素>马拉硫磷>毒死蜱>甲氰菊酯。对于幼虫以LD50值进行比较,以阿维菌素毒力最大,甲氰菊酯、毒死蜱毒力较小,并且二者差异不大。 相似文献
8.
基于小波神经网络和BP神经网络的麦蚜发生期预测对比 总被引:1,自引:0,他引:1
为建立更准确、稳定的病虫害预测预报模型,减少农作物病虫害损失、提高农作物产量与质量,运用主成分分析法从42个基础气象因子中整合形成8个新的自变量输入模型,采用试凑法对网络关键参数进行筛选,用2002-2011年数据进行网络训练,建立了以Morlet小波函数为传递函数的小波神经网络模型,并与以Sigmoid函数为传递函数的BP神经网络模型进行了比较.在小波神经网络训练过程中,有6年拟合精度在90%以上,平均拟合精度为89%,预测结果MAPE值为4.1939,MSE值为5.9764;在BP神经网络的训练过程中,有4年拟合精度超过90%,平均拟合精度仅为81.07%,预测结果中MAPE值为6.4694,MSE值为8.2457.从训练结果看,小波神经网络更能准确描述麦蚜发生期的变化规律,其拟合能力较BP神经网络好;从预测精度和模型的稳定性来看,小波神经网络好于BP神经网络. 相似文献
1