小麦白粉病预测模型研究

建立了基于主分量分析的小麦白粉病BP神经网络模型。阐述了主分量分析法的原理与步骤,分析了河南中原地区1990—2007年小麦白粉病病情及相关气象资料,得出影响其流行的主要分量,最后利用得到的主要分量作为BP神经网络的输入,对中原地区2008—2010年小麦白粉病流行情况进行预测,并与未进行主分量分析而建立的全要素BP网络模型进行比较。研究结果表明,该模型可快速准确地预测小麦白粉病的流行程度,有效地减少小麦产量损失。     

小麦白粉病田间流行的模拟模型——模拟模型的组装和检验

根据小麦白粉病田间流行的模拟模型,对1985年小麦白粉病田间流行进行了预测,结果表明,该模型能较好地预测田间发病趋势。本文对模型的结构、存在问题也进行了讨论。     

甘肃省小麦条锈病发生面积预测

甘肃是中国小麦条锈菌重要的周年循环发生区之一,是重要的菌源基地。准确预测甘肃省小麦条锈病的发生面积,对甘肃及中国小麦条锈病的科学防控具有重要意义。利用2001-2021年甘肃省小麦条锈病秋苗发生面积、温度、相对湿度、降雨量和日照时数等资料,通过Pearson相关性分析筛选到影响甘肃小麦条锈病流行的4个关键因子,即小麦条锈病秋苗发生面积、上年8月最低气温、1月平均相对湿度和3月日照时数,并采用全子集回归和BP神经网络算法对甘肃小麦条锈病发生面积进行预测。结果表明,全子集回归模型1和模型2对2020-2021年甘肃小麦条锈病发生面积预测准确度分别为94.63%和88.81%;BP神经网络模型1和模型2的预测准确度分别为98.25%和94.03%。综上可知,BP神经网络模型1是最佳预测模型,其预测2022年甘肃省小麦条锈病发生面积为10.03万hm²。     

河南省小麦白粉病综合发生等级预测技术研究

利用镇平县和伊川县1991—2010年、安阳县和项城市1991—2000年的小麦白粉病调查资料和气象观测资料,通过数理统计的方法分析影响小麦白粉病发生等级的各种气象因子,建立河南省小麦白粉病分区预测模型,并以此为基础建立河南省综合预测模型。研究表明,镇平、伊川、安阳和项城小麦白粉病发生等级均与3月份的相对湿度和上年3月下旬的温雨系数显著相关。利用以上2个气象因子建立了河南省小麦白粉病分区发生等级预测模型和综合发生等级模型。利用分区模型对2012年4个站点小麦白粉病发生等级进行预测,有3个站预测等级与实际等级相同,1个站误差在1个等级之内,基本上达到了预测要求。利用综合模型对2011年和2012年河南省小麦白粉病综合发生等级进行预测,预测结果准确率达100%。因此,建立的模型可以用于预测河南各分区和全省的小麦白粉病发生等级。     

河南省小麦白粉病发生等级预测技术

利用1991—2010年镇平县、伊川县,1981—2000年安阳县,1990—2000年项城市的小麦白粉病调查资料和气象观测资料,通过数理统计的方法分析影响小麦白粉病发生等级的各种气象因子,建立了河南省小麦白粉病预测模型。研究结果表明:镇平县、伊川县、安阳县、项城市小麦白粉病的发生等级都与3月份的相对湿度和上一年3月下旬的温雨系数有一定关系,4个代表站的相关系数都通过α=0.01的显著性水平检验;利用以上2个气象因子建立了河南省小麦白粉病发生等级的预测模型,该模型可以预测河南省各地的小麦白粉病发生等级,为全局性把握河南省小麦白粉病的发生等级提供了参考依据。利用该模型对2012年河南省11个调查站点进行小麦白粉病发生等级预测,预测结果整体较好,有4个站点预测等级与实际等级相同,其余误差都在1个等级之内,基本上达到了预测要求;另外,该模型可以进一步根据各地的实际情况改进河南省各地小麦白粉病预测模型,加入当地小麦白粉病的独特影响因子,可进一步建立更加准确的模型。     

植物病虫害BP神经网络预测系统的研制与应用

以 Delphi3.0为开发工具 ,建立了植物病虫害 BP神经网络预测系统 ,阐述了 BP神经网络的基本原理和预测系统的制作过程 ,并以陕西汉中地区小麦条锈病流行程度的预测为例说明了其应用。结果表明 ,该系统的预测结果与实际发生程度高度吻合     

运用自组织神经树预报小麦白粉病流行趋势

本文运用自组织神经树模型，建立了小麦白粉病的中短期（６０～９０天）预报模型，预测效率达１００％。结果表明，神经树模型性能良好，可望成为农作物疾病流行趋势预测的有效辅助手段。     

植物病虫害BP神经网络预测系统的研制与应用

以Delphi 3.0为开发工具，建立了植物病虫害BP神经网络预测系统，阐述了BP神经网络的基本原理和预测系统的制作过程，并以陕西汉中地区小麦条锈病流行程度的预测为例说明了其应用，结果表明，该系统的预测结果与实际 发生程度高度吻合。     

PCA-BP模型在城乡建设用地规模预测中的应用

为探索提高BP神经网络在建设用地规模预测中的精度,提出主成分分析(PCA)和BP神经网络相结合的建设用地规模预测模型,并利用PCA-BP模型对山西省晋城市建设用地规模进行预测。首先,利用Pearson相关系数法分析筛选出影响建设用地规模的主要驱动因子;其次,利用主成分分析法(PCA)消除其相关性,并达到降维的目的;最后,以PCA结果作为输入层建立建设用地规模的BP神经网络模型,并利用BP模型进行训练预测,得到最终预测值。预测结果表明,PCA-BP模型的平均绝对误差MAE、平均相对误差MRE、均方误差MSE比传统BP神经网络模型小,平均预测精度R更高,具有较高的拟合度及可行性,在预测效率和预测精度方面都有进一步的改善。该方法的提出能为今后科学合理预测建设用地规模提供一种新思路,同时为土地利用总体规划修编提供重要决策基础。     

东北春麦区小麦白粉病中期测报方法研究

通过近年来小麦白粉病发生情况的研究与分析，本文初步阐明了当地小麦白粉病的流行规律，确定了病害流行的预测因子，提出了病害的综合分析预测方法，并建立了病害发生程度预测式：Ｙ＝８．２５２９１８＋０．６２６００５Ｘ１－０．４１１７６５Ｘ２＋０．０１１００４３Ｘ３＋０．００６２６６７Ｘ４，Ｆ＝４９．０９９６，Ｓｙ／ｘ＝０．２７２５７４，历史符合率１００％。经１９９４～１９９５年预测检验，预测结果与发生实际一致