共查询到20条相似文献,搜索用时 15 毫秒
2.
马尾松毛虫精细化预报径向基函数建模试验研究 总被引:4,自引:4,他引:0
《现代农业科技》2015,(16)
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。 相似文献
3.
马尾松毛虫精细化预报多层感知器建模试验研究 总被引:4,自引:4,他引:0
《现代农业科技》2015,(16)
经过多次神经网络多层感知器试验,筛选拟合度高的马尾松毛虫精细化预报模型。结果表明:R2均大于0.9,多层感知器马尾松毛虫预报模型要优于径向基函数与回归方法建立的模型。 相似文献
4.
5.
6.
根据安徽省安庆市大观区马尾松毛虫监测数据,通过神经网络模型建模进行试验,结果表明,选择合适的神经网络模型和训练参数,其预测精度完全可以满足生产预报要求。 相似文献
7.
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。 相似文献
8.
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。 相似文献
9.
将多因子回归、径向基函数、多层感知器3种模型应用于2016年、2017年马尾松毛虫预报,发生量与发生期预测,预测精度均符合生产预报要求。因此,推广林业有害生物精细化预报技术,有利于实现林业的有害生物精确管理。 相似文献
10.
研究表明:马尾松毛虫年度累计发生面积与冬季最低气温在直观上略呈反向关系,但线性关系不明显。基于径向基函数的神经网络分析表明,冬季最低气温对年度累计发生面积影响呈现明显的非线性关系,对马尾松毛虫的发生面积影响显著。因此,冬季最低气温可以作为马尾松毛虫预测预报非线性建模因子,开展马尾松毛虫精细化短期预报。 相似文献
11.
[目的]为控制马尾松毛虫的危害提供理论依据。[方法]以1983年9月~1989年9月浙江省仙居县虫情调查资料和气象资料为研究对象,考察各调查点马尾松毛虫有虫面积随气象因子及时间、空间的动态变化,建立马尾松毛虫发生量的时空回归预测模型,并用所建立模型对1989年3代马尾松毛虫有虫面积进行预报检验。[结果]共建立了1个线性、8个非线性马尾松毛虫发生量时空回归预测模型。1989年3代马尾松毛虫实际危害村数及有虫面积分别为141、143、138村和4533.1、4181.3、5166.0hm^2,9个模型预报的3代马尾松毛虫的发生村数均为193村,线性模型预报的3代马尾松毛虫的发生面积分别为3978.5、4159.5、3427.5hm^2,非线性模型预报的各测报点3代马尾松毛虫的发生面积分别与实际最大相差71.6868、99.8359、119.9478hm^2。[结论]所建立模型对马尾松毛虫有虫面积的预报准确率均为66.7%。 相似文献
12.
13.
马尾松毛虫精细化预报回归建模试验研究 总被引:4,自引:4,他引:0
《现代农业科技》2015,(18)
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。 相似文献
14.
15.
基于机器学习的马尾松毛虫发生面积预测模型 总被引:1,自引:0,他引:1
为了提高马尾松毛虫预测预报的准确性,分别采用随机森林、支持向量机和深度学习3种机器学习模型,应用气象因子预测马尾松毛虫发生面积,并将模型预测结果与实际发生面积进行比较。结果表明:3个机器学习模型的拟合效果均优于多元线性模型,其中深度学习对马尾松毛虫发生面积的预测最为稳健,拟合决定系数(R~2)和预测准确率(PA)最高(R~2=0.9901,PA=99.27%),均方根误差(RSME)最低(RSME=0.1711);支持向量机模型预测效果也较好(R~2=0.9617,RSME=0.3275,PA=92.13%)。深度学习可用于马尾松毛虫发生面积与气象因子非线性模型的构建。 相似文献
16.
17.
潜山县松毛虫病调查分析及精细化预防对策 总被引:22,自引:22,他引:0
《现代农业科技》2015,(15):147-149
通过对1996年安徽省潜山县松毛虫病流行病学调查数据SSPS分析,结果表明,1996年潜山县松毛虫病发病治疗人数与松毛虫中、重度发生面积呈线性相关。提出对于松毛虫病应该从减少病源和减少病源接触2个方面着手预防工作,包括加强监测预警,推行精细化预报,及时进行精准防治,避免松毛虫虫口上升蔓延成灾;对松林纯林,尤其是常灾区松树纯林进行改造,并适时补充天敌,以利于马尾松毛虫天敌建立稳定的种群密度,遏制马尾松毛虫种群增长成灾,以减少松毛虫病病源;对居住在常灾区松林中的居民,逐渐迁移出去,以减少与马尾松毛虫的接触,避免松毛虫病的发生;在进行松毛虫风险分析时,适当调高松毛虫风险等级以利于做出正确的预警与救灾预案,以最大限度地减轻灾害给人类带来的损失。 相似文献
18.
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%。 相似文献
19.
20.