基于人工神经网络的马尾松毛虫发生量预测模型的研究

运用人工神经网络的原理和方法，根据相关系数法和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作为样本的输入特征，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BP网络模型。结果表明，所建立的各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，预报因子数为8个时，2组预留有虫面积的2a平均预测误差为3.15%，虫口密度BP模型的隐层神经元个数为8个，预报因子数为6个时，预留样本的平均预测误差为5.91%，虫株率BP模型的隐层神经元个数为4个，预报因子数为5个时，预留样本的平均预测误差为10.65%。     

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%.     

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％。     

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   

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％。     

马尾松毛虫发生量的混沌检测

以非线性动力学为基础,通过时间序列分析和前馈网络模型建模的方法分析马尾松毛虫发生量的复杂性动态。前馈网络模型估计的最大Lyapunov指数为0.155 1,说明马尾松毛虫发生量序列存在混沌现象。马尾松毛虫当代的种群大小与前一代或前几代的种群大小密切相关,因而可用重构相空间的方法以前一代来预测下一代。     

马尾松毛虫种群数量与马尾松树高和树冠大小关系的初步研究

1988—1989年笔者在浙江省金华县,研究了马尾松毛虫Dendrolimus pun-ctatus Walker越冬后、第一代、第二代种群数量与马尾松树高和树冠大小的关系。结果表明,松毛虫的种群分布与树冠大小密切相关,在同一林分中,不论高树、矮树、树冠大小,平均每平方米树冠投影面积的上方林冠的虫数近似相等。因此,对矮树每平方米树冠投影面积的虫数调查,可以估测全林分的虫口密度(条/m~2),也可以调查矮树上的虫数和冠幅与高树的冠幅,估测全林分的虫口密度(条/株)。根据每平方米树冠投影面积的平均虫数和针叶量与松毛虫食叶量的关系,可以预测危害程度。     

运用马尔科夫链模型预测张家界永定区松毛虫发生面积

以湖南省张家界永定区2003—2018年马尾松毛虫、云南松毛虫发生情况的历史数据为材料,探讨了不同等级划分体系对应用马尔科夫链模型预测马尾松毛虫、云南松毛虫混合发生面积的历史符合率的影响,并对2019年张家界永定区的马尾松毛虫、云南松毛虫发生等级及发生面积进行预测,从而指导防治工作科学、及时、有效地开展。结果表明,当原始数据集中于某一级别时,用3等级分级可以增加历史符合率。本文数据分为3个等级,历史符合率为76.9%。利用概率矩阵对2019年马尾松毛虫、云南松毛虫混合发生面积进行预测,结果为1级,即发生面积为0～1 033.3 hm~2。     

森得保粉剂防治马尾松毛虫效果初报

马尾松毛虫Dendrolimus punctatus(Walker)是南方松林常见害虫,呈周期性暴发,一旦暴发,发生面积往往很大,给防治工作带来一定的难度,作者在2004年6月开展了喷施森得保粉剂防治马尾松毛虫试验。1试验地概况防治试验区设在江西省上犹县梅水乡水径村,该地区为丘陵山地,海拔157~235 m,高差在30~80 m之间。防治试验区面积为247 hm2,林分为马尾松纯林,胸径4~16 cm,树高4~12 m,郁闭度0·7~0·8。供试虫为马尾松毛虫第1代幼虫,多为3~4龄,虫口密度在35~480条/株,有虫株率为99·5%。2材料与方法防治药剂为乐斯化学有限公司生产的森得保可湿性粉剂,喷…     

湖南省马尾松毛虫灾害与松林林分状况的关系

马尾松毛虫灾害与松林林分状况关系密切,松阔混交林、国外松占40%以上松林和植被覆盖度达90%以上的松林一般不发生松毛虫灾害。松林蓄积量越大,松毛虫发生面积越小。     

少根紫萍对湿地污染水体的修复研究

大量含氮、磷的污水未经处理直接排放到当地河流湖泊等自然水体中,导致湿地环境越来越恶劣,水体富营养化程度加剧,对污染水体的修复已迫在眉睫。本实验以1/5的Hoagland溶液为培养液,设置0 mL·L^-1、20 mL·L^-1、40 mL·L^-1、80 mL·L^-1、160 mL·L^-1五个铜绿微囊藻接种浓度梯度与0 mg·m^-2、100 mg·m^-2、200 mg·m^-2、400 mg·m^-2、800 mg·m^-2 5个少根紫萍接种浓度梯度进行双因素正交试验。结果发现,在0~15 d内,所有少根紫萍接种浓度和铜绿微囊藻接种浓度处理下,水体中总氮(TN)、磷(TP)含量随着接种时间的增加而降低,且铜绿微囊藻和少根紫萍共培养比各自单独培养对污染水体具有更好的修复效果。15d后测定培养液中藻毒素和少根紫萍体内藻毒素含量,结果表明少根紫萍可有效吸收培养液中的藻毒素。以上结果表明,低浓度铜绿微囊藻可促进少根紫萍生长,高浓度铜绿微囊藻抑制少根紫萍生长,少根紫萍可有效吸收培养液中的TN、TP和藻毒素。在铜绿微囊藻浓度为20 mL·L^-1、少根紫萍接种浓度为400 mg·m^-2时,浮萍生长状况最好,对培养液中TN、TP及藻毒素的去除率也达到最高。综上所述,低浓度铜绿微囊藻和100%覆盖率的少根紫萍共培养用于湿地水体修复具有良好的修复效果。     

基于人工神经网络预测广东省森林火灾的发生

应用人工神经网络建立热带森林火灾发生情况预测的多层神经网络模型,并将林火发生影响因子的历史数据作为样本值,输入模型进行训练。结果表明:利用所选取的输入因子作为样本的人工神经网络,可以对林火的发生发展作出准确有效的预测。文中还对模型的准确性和训练精度进行讨论,进而分析人工神经网络在林火预测中的可行性,证明人工神经网络在林火预测中的应用价值。     

基于过程神经网络的木材生长轮密度预测

提出一种基于过程神经网络的木材生长轮密度长期预测方法.本方法利用输入输出均为时变函数的过程神经网络输出为时变函数的特点,将原始数据拟合为输入函数并表示为一组正交基的展开形式后,使用混合遗传算法训练过程神经网络,得到过程神经网络的输出函数,以此实现木材生长轮密度的一次多步长期预测,通过与传统时间序列预测方法比较,预测精度得到显著提高,并为时间序列长期预测问题提供新方法.     

绥芬河公路口岸货运量预测方法研究

针对公路口岸货运量预测的问题,基于常用预测方法：线性回归预测、时间序列预测和灰色系统预测及组合预测方法的研究,提出BP神经网络组合预测模型。结合绥芬河公路口岸货运量运输情况,对组合预测模型进行了验证。实验结果表明,该方法对公路货运量的预测很有效。     

基于VLBP神经网络的林火预测研究

以北京市房山区的林火为研究现象,用神经网络方法研究林火发生及蔓延与环境因子间的关系.用GPS采集林火火场中心数据,测量火场面积;用GIS做空间分析,提取火场空间环境因子;将数据在Matlab中用VLBP神经网络进行训练,建立林火风险的预测方程.风险模型由林火发生的风险模型和林火的蔓延风险模型组成,由于该模型采用的方法不依赖于先验统计模型,所采用的神经网络方法对非线性的数学关系有很强的预测能力,因而该方法具有很强的适用性.     

Cytotoxic activity of embelin from Lysimachia punctata

A major benzoquinone pigment, embelin (1), was isolated from the underground parts of Lysimachia punctata. Compound 1 showed a significant cytotoxic activity in vitro against B16 and XC cell lines with ED50 values of 13 microg/ml and 8 microg/ml, respectively.     

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。     

日光温室内作物干物质积累预测新方法研究

介绍了一种有效结合神经网络和作物生长模型预测目光温室内作物干物质积累的方法，该方法既解决了经验模型的解释性和广适性差的缺点，又解决了机理模型难以理解和使用、输入多而输出欠稳定的不足。以有效光照积累和有效积温作为输入参数，以作物的干物质积累作为输出参数建立神经网络，利用大量实测数据对神经网络结构进行训练，建立作物干物质积累与有效光照累积和有效积温之间的关系，从而对干物质积累进行预测。并以目光温室内黄瓜为例，采用此方法对其进行干物质积累的预测，与实际测量结果相比较，误差率不超过10％。