马尾松毛虫有虫面积预测模型的研究

运用人工神经网络的原理和方法 ,根据相关系数法选取与台州市 7个县 (市、区 )马尾松毛虫有虫面积相关关系都比较密切的 14个气象因子 ,然后进行主成分分析 ,在此基础上 ,将前 6个主成分的主坐标值作为样本的输入特征 ,建立以 7个县 (市、区 )马尾松毛虫有虫面积为期望输出的BP网络预测模型 ,结果表明 :所建立的BP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 4个时 ,7个县 (市、区 ) 3组预留有虫面积 3a预测结果的卡方检验为 :η=7.2 92 0 相似文献   

应用人工神经网络预测马尾松毛虫的有虫面积

运用人工神经网络的原理和方法,选取与马尾松毛虫发生量相关关系密切的8个气象因子作为样本的输入特征,建立马尾松毛虫有虫面积与气象因子的BP网络模型,结果表明:所建立的BP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15个,输入因子数为8个时,18组有虫面积的平均拟合精度为100%,相关系数为1.000 0,2组预留有虫面积的平均预测精度为96.85%,预测准确率为100%.     

快速预测马尾松毛虫越冬代幼虫发生量方法的研究

从抽样单位的选择入手，调查和分析了马尾松毛虫越冬代恢复取食Ⅳ龄幼虫在寄主上的垂直分布规律，研究得出的中，高虫口密度发生量测报模式，估计算林分虫口发生量在虫情级３级（１０条／株）以上时，预报准确度为８０％～９０％。     

倒春寒对马尾松毛虫发生量的影响

乐山市地处四川盆地西南边缘，现有马尾松林面积３．４７万公顷，属马尾松毛虫偶灾区。一方面自然条件适宜于松毛虫种群增殖，同时也存在许多抑制其增殖的制约因子，两种作用交替变化，形成了典型的三年一次周期性大发生势态（如图１）。从图１不难看出，各发生周期总发生...     

马尾松毛虫发生量的非线性似乎不相关分析

根据非线性似乎不相关回归原理,建立仙居县1983—2009年马尾松毛虫虫口密度、有虫面积和有虫株率的非线性似乎不相关回归模型,结果表明:虫口密度、有虫面积和有虫株率的非线性似乎不相关模型的拟合精度高于普通最小二乘法的拟合精度;用非线性似乎不相关模型预测未参与建模的2010—2011年4代马尾松毛虫的虫口密度、有虫面积和有虫株率,预测的平均相对误差分别为18.25%,18.17%和14.35%。     

马尾松毛虫发生量预测预报方法的研究

应用临海市历年松毛虫发生量及有关气象资料，分别将越冬后恢复取食期（即越冬代）和第1代松毛虫幼虫的发生量作为预报量，根据“相关系数法”筛选出预报因子后，采用“多因子简化综合相关法”和“模糊列联表法”进行预报。经回归检验，其预测值与实测值的吻合程度较高，具有较好的应用价值。     

基于预测克立格方法的马尾松毛虫空间发生量预报

根据1983年9月至1989年9月马尾松毛虫的虫情调查资料，用预测克立格方法研究全县各调查点的马尾松毛虫有虫面积、虫口密度的时空变化规律，建立马尾松毛虫有虫面积、虫口密度的空间预报模型。结果表明：用该方法预报全县马尾松毛虫空间发生量具有很好的预报效果，对未参与建模的1989年3代的虫口密度、有虫面积的预报准确率均为100％。     

标记释放回捕技术在马尾松毛虫发生量预测中的应用

应用标记释放回捕技术,按照动态分析方法,时马毛松毛虫成虫在林间的种群密度及种群消长动态变化进行了研究。结果表明：应用此方法监测马毛松毛虫种群数量动态的变化,简单、实用、可行。     

基于广义时空回归的马尾松毛虫空间发生量预报

利用1983年9月至1989年9月马尾松毛虫虫情调查资料,研究全县各调查点的马尾松毛虫有虫面积和虫口密度的时空变化规律,建立1个线性、10个非线性的广义时空回归模型。结果表明：所建立的空间发生量预报模型均具有较好的预报效果,对未参与建模的1989年3代的虫口密度、有虫面积进行预报检验,Gauss模型预报虫口密度的准确率为100％;其他各模型对两者的预报准确率均为66．7％。     

马尾松毛虫的人工饲养

从马尾松毛虫Dendrolimus punctatus新发生区采集虫源,在自然温湿度和光照条件下,借鉴家蚕的人工饲养经验和技术,采取卵面、松针、饲养室和饲养用具等的消毒措施,提高了室内饲养松毛虫幼虫的存活率和茧蛹的羽化率.马尾松毛虫在室内的规模化人工饲养取得了初步成功,顺利完成从卵到卵的生活世代,经过消毒的卵孵化率为91.4%,室内饲养幼虫的存活率达到92.54%,茧蛹的羽化率达88.4%,雌雄性比为1.08：1.     

马尾松毛虫危害预报的研究

文章对在马尾松毛虫危害预报中，应用马尔可夫链方法并结合Lotka-Volterra生态数学模型进行预测预报进行了论述。     

人工神经网络在林分出材率预测中的应用

应用人工神经网络的原理和方法,结合主要林分因子建立林分出材率预测的多层神经网络模型。检验结果表明:所建立的预测模型,平均预测精度达到96.45%,可以对林分出材率作出准确有效的预测。     

基于人工神经网络的森林资源预测研究

应用人工神经网络方法分别建立土地资源预测、森林蓄积量预测、各龄组蓄积量预测三层前馈反向传播神经网络模型对森林资源进行预测模拟.预测结果表明在小样本条件下,森林资源预测神经网络模型预测精度较高,开辟了森林资源预测新途径.     

永康市马尾松毛虫发生趋势及原因分析

通过对永康市历年来松毛虫发生危害及防治情况的调查和分析，发现永康市的松毛虫发生周期延长，为害面积缩小，爆发期延时缩短，分析了其形成原因。     

马尾松毛虫防治策略的研究

总结分析了江西省马尾松毛虫防治的经验教训，依据害虫综合防治的理论，遵循马尾松毛虫的发生规律，视不同发生阶段，采取相应措施，提出在害虫潜伏期和上升初期采取营林、生防措施，稳定低虫口；在害虫上升期，加强小面积除治，控制虫情上升；在害虫越冬代暴发成灾期，弃重治轻，遏制灾情蔓延等的防治策略。