马尾松毛虫精细化预报回归建模试验研究

通过线性回归、曲线回归、非线性回归、Logistics回归等回归多次建模试验的比较,建立了显著性较高的马尾松毛虫发生量和幼虫高峰期线性预报模型。     

马尾松毛虫精细化预报径向基函数建模试验研究

采用神经网络径向基函数建模方法,通过反复建模试验的比较,排除相关性不高的干扰变量,选择合适的相关性较高的变量进行建模,以获得拟合度较高的模型,以满足马尾松毛虫精细化预报要求。     

马尾松毛虫精细化预报建模变量筛选研究

通过相关性分析,结合精细化预报中的“精”“细”“简”要求和生产实践,确定了潜山县马尾松毛虫精细化预报建模来选用因子变量。     

生物灾害精细化预报算法试验研究——以潜山县马尾松毛虫为例

精细化预报建模,除了“精”“细”之外,还要注重“简”的精细化预报基本要求,只有这样的算法模型,才能“化繁为简”,才能在生产实践中得到广泛应用。因此,算法与模型的的选择,应该按照“精”“细”“简”要求,应用最新数学、系统学成果和分析仿真工具,采用多种方式进行试验比较,选择合适的算法。就本次算法试验而言,对于潜山县马尾松毛虫精细化预报,采用多层感知器建立马尾松毛虫预报模型较好。     

幼虫期降水对马尾松毛虫发生量影响研究

通过安徽省潜山市监测数据实证分析表明,降雨对于马尾松毛虫发生量的影响线性关系不明显,但非线性关系很明显,其中基于多层感知器分析结果表明,第1、2龄降雨量(mm)自变量重要性值为0.867,规范化后的重要性值分别为100.0%。因此,第1、2龄降雨量(mm)可以作为马尾松毛虫精细化预报建模主要因子之一,对马尾松毛虫进行预报,实现马尾松毛虫灾害精细化管理。     

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。     

幼虫期降水对马尾松毛虫发生量的影响

本文研究了幼虫期降水对马尾松毛虫发生量的影响。结果表明,降雨对于马尾松毛虫发生量的影响线性关系不明显,但非线性关系很明显,其中基于多层感知器分析表明,第1、2龄期降雨量自变量重要性值为0.867,规范化后的重要性值为100.0%。因此,第1、2龄期降雨量可以作为马尾松毛虫精细化预报建模的主要因子之一对马尾松毛虫进行预报,以实现马尾松毛虫灾害精细化管理。     

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。     

马尾松毛虫发生量灰色系统模型的建立及其预报

运用灰色系统理论的原理和方法，根据相关系数法和逐步回归法，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作为样本的因子变量，分别建立马尾松毛虫有虫面积、虫口密度、有虫诛率与气象因子的灰色系统预测模型。结果表明：所建立的各预测模型具有令人满意的预测效果。有虫面积模型预报因子数为8个时，预留样本的平均预测误差为7．47％；虫口密度模型预报因子数为6个时，预留样本的第1年预测不准，第2年的预测误差为2．21％；有虫株率模型预报因子数为5个时，预留样本的平均预测误差为3．60％,总预测成功率为83．33％.     

基于蛹重预测马尾松毛虫产卵量的技术研究

结合太湖县国家级森林病虫害中心测报点马尾松毛虫的监测工作,分世代采集松毛虫雌蛹,称取重量,然后放在养虫笼内,待羽化后,解剖清点腹内卵的数量。对这一数据进行回归分析,得到越冬代雌蛹重(x)与产卵量(y)间的关系为y=276.552 689 049 453x-75.552 634 667 178 1,第1代雌蛹重(x)与产卵量(y)间的关系为y=403.144 144 476 189x-127.052 856 407 286。     

林业生物灾害精细化预报理论基础与技术集成——以潜山县马尾松毛虫为例

林业生物灾害精细化预报就是通过对林业生物灾害监测数据建模分析,从中寻找林业有害生物的种群变化动态与环境因子变化之间的关系,建立预测预报模型,实现林业生物灾害预报在时间、空间、强度等维度有较高分辨率。现以安徽省潜山县马尾松毛虫为例,潜山县以现有的监测数据,使用SPSS,采用回归、时间序列与神经网络3种算法建立精细化预报模型,通过对历史发生数据与预报值的对比分析发现,采用回归与神经网络算法建立的预报模型要优于时间序列算法建立的预报模型,其预报精度基本能满足精细化预报精度要求。     

卵期降雨量对马尾松毛虫发生量影响相关性分析研究——以安徽省潜山市为例

对安徽省潜山市1983年至2014年监测数据进行分析,研究结果表明,马尾松毛虫发生量与卵期降雨量不具有线性相关性,但具有很高的非线性相关性,并可以据此建立马尾松毛虫精细化预报模型。     

马尾松毛虫防治指标的研究

本研究是在马尾松毛虫(Dendrolimus punctotus Walker)年发生4代的湿地松和马尾松林分中进行,采用人工模拟以及双因素完全随机区组试验设计等方法进行研究,得到如下结果:(1)每头幼虫的取食量在世代之间无显著差异;(2)建立了由容易测量林木因子估测针叶量的模型;(3)确定了防治马尾松毛虫的防治指标.     

用黑光灯测报马尾松毛虫试验

用黑光灯测报马尾松毛虫试验曹泽勇（浙江省淳安县林业局，淳安３１１７００）关键词马尾松毛虫；预测；黑光灯（捕虫用）中图分类号Ｓ７６３．４２黑光灯是广泛用于测报马尾松毛虫（Ｄｅｎｄｒｏｌｉｍｕｓｐｕｎｃｔａｔｕｓ）发生规律的工具。本文报道淳安县千岛湖区用...     

应用超轻型飞机防治马尾松毛虫试验研究

１９９３年和１９９５年春季，在将乐、沙县、建瓯和武夷山等四县（市）应用超轻型飞机超低容量喷雾防治马尾松毛虫试验结果表明：应用海燕６５０８飞机防治松毛虫具有机动灵活、防治效果好、成本低廉等特点，适用于低山丘陵区的森林害虫防治．     

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％。     

浙江省马尾松毛虫抗药性研究

利用微细管局部滴方法测定了溴氰菊酯和敌百虫对浙江省马尾松毛虫的触杀毒力，结果表明：马尾松毛虫在浙江省一些地区已经产生了抗性，建议停止使用敌百虫，溴氰菊酯则应减少使用，最后提出了马尾松毛虫抗性测定的标准。     

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％。