基于机器学习的马尾松毛虫发生面积预测模型

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(R²)和预测准确率(PA)最高(R2)和预测准确率(PA)最高(R²=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(R2=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(R²=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。     

基于机器学习的落叶松毛虫发生面积预测模型

落叶松毛虫为我国主要害虫之一,其发生严重影响了我国林木生长和森林资源的安全。因此,及时准确地对落叶松毛虫虫害发生趋势进行预测、预报十分必要。虫害的发生受到多种因素的影响,存在复杂的非线性关系,传统的预测方法大多为基于线性的预测,导致其预测效果不够理想。本研究选取当年3月中旬的总蒸发量、上年7月上旬的平均最低气温、当年3月下旬的极端最低气温以及上年11月上旬的平均风速作为自变量,虫害发生面积作为因变量,利用多层前馈神经网络(MLFN)、广义回归神经网络(GRNN)以及支持向量机(SVM)3种机器学习算法对落叶松毛虫发生面积进行预测,并将3种方法的预测结果与传统多元线性回归预测方法相比较。结果表明,机器学习的预测效果均在很大程度上优于多元线性回归预测,并且在3种机器学习算法中,SVM模型的预测效果最好,在30%容忍度下其预测精度可以达到100%,并且该模型还有较低的RMSE值(0.077)和较短的训练时间(1 s)。这表明,机器学习可以应用于生产实际并有效预测虫害发生面积,尤其是SVM模型可以作为一种很好的虫害发生预测手段。      

基于混沌理论的害虫发生量非线性建模与预测

为了提高害虫发生量预测的精度,提出一种基于混沌理论的害虫发生量非线性预测模型(PSR–LSSVM)。通过相空间重构对害虫发生量时间序列进行重构,将重构后的害虫发生量序列输入到最小二乘支持向量机进行学习,建立害虫发生量预测模型,采用云南省普洱市思茅区和浙江省仙居县的松毛虫发生面积数据对模型性能进行检验。结果表明,松毛虫发生面积预测值与实际发生值十分接近,2个地区松毛虫发生面积预测结果的平均绝对百分误差分别为0.90%和2.44%,预测结果要优于BP神经网络、线性预测模型。     

卵期气温对马尾松毛虫发生量影响神经网络的分析

基于神经网络非线性数据实证分析表明,马尾松毛虫发生面积(hm2)与上一代防治面积(hm2)、上一代防治效果(虫口减退比率)、卵期极低气温(℃)、卵期平均气温(℃)、卵期积温(日度)具有高度非线性相关性,并可以作为马尾松毛虫预测预报非线性建模因子之一,进行马尾松毛虫灾害预测预报。     

马尾松毛虫发生量时空回归预测的研究

[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％。     

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％.     

灾变模型在马尾松毛虫幼虫发生量预报中的应用

  目的  提高马尾松毛虫Dendrolimus punctatus幼虫发生量预测预报结果的准确性。  方法  利用灰色灾变预测GM(1, 1)模型预测了安徽省潜山县1989-2016年马尾松毛虫越冬代、1代和2代严重发生的年份。  结果  马尾松毛虫越冬代虫口数的GM(1, 1)灾变预测模型为:${\hat z^{(1)}}(k + 1) = 9.580\;75{{\rm{e}}^{0.269\;33k}} - 8.580\;75$, 其中k为年序号, ${\hat z^{(1)}}(k + 1)$为灾变年序号。1代幼虫虫口数的GM(1, 1)灾变预测模型为:${\hat z^{(1)}}(k + 1) = 18.181\;8{{\rm{e}}^{0.241\;87k}} - 17.181\;8$。2代幼虫虫口数的GM(1, 1)灾变预测模型为:${\hat z^{(1)}}$(k+1)=20.123 7e0.197 58k-19.123 7。根据此模型求得已知年份的拟合值与观察值, 对两者差异进行t检验, 差异均不显著, 即拟合值与观察值间吻合度高, 各灾变年精度值平均为84.40%, 84.85%和84.08%, 总体平均精度依次为96.25%, 92.34%和94.09%, 模型精度高。由此推算未来时刻的预测值得到, 从2011年马尾松毛虫越冬代幼虫灾变年算起, 再过10 a即2021年为马尾松毛虫越冬代大发生年。从2011年马尾松毛虫1代幼虫灾变年算起, 再过11 a即2022年为马尾松毛虫1代幼虫大发生年。从2011年马尾松毛虫2代幼虫灾变年算起, 再过9 a即2020年为马尾松毛虫2代幼虫大发生年。  结论  灾变预测对马尾松毛虫幼虫发生量灾变的预报是一种较理想的预报方法。     

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％。     

ARIMA模型在马尾松毛虫发生面积预测中的应用

[目的]为了研究ARIMA模型在马尾松毛虫发生面积预测中的应用。[方法]利用时间序列对郁南市1975~2002年马尾松毛虫发生面积数据进行了分析。经过数据平稳化、模型识别及参数估计确立了ARIMA(2,2,2)模型,对郁南市1975~2002年的马尾松毛虫发生面积作了回测。[结果]ARIMA(2,2,2)模型预测值的动态趋势与实际情况基本一致,特别是1990年以后的预测效果更佳,实际值都落入了预测值的可信区间范围,结果比较理想。[结论]ARIMA模型假定未来的发展模式与过去的模式是一致的,更适用于作短期的预测。     

基于粒子群优化神经网络混合模型预测马尾松毛虫发生量

针对BP网络具有局部精确搜索但易陷入局部极小、粒子群算法具有全局寻优的特点,将二者结合起来形成一种训练神经网络的新算法--PSO-BP算法.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、有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样本的输入特征,分别建立马尾松毛虫有虫面积、虫口密度、有虫株率与气象因子和延拓均生函数序列的PSO-BP混合模型.结果表明:建立的各PSO-BP混合模型,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4.01%;虫口密度PSO-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,预留样本的平均预测误差为3.32%;有虫株率PSO-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,预留样本的平均预测误差为2.83%.上述3个指标的预测准确率均为100%.     

浅谈饲料中有效能的测定技术

饲料中有效能是供动物生长发育的基础.不同动物所用的有效能体系不同,目前大多数动物采用消化能、代谢能体系,但随着研究的发展与深入,发现最能反映饲料有效能的是净能体系.无论哪种体系,采用合理的测定技术准确测定饲料中的有效能值显得尤其重要,通过对饲料有效能值的准确测定可以实现动物所需能量的精确供给,减少养殖成本,使经济效益最大化.文章综述了几种有效能评价体系的测定技术.     

《河北农业大学学报》创刊年代考

清光绪二十八年(1902)河北农业大学前身—直隶农务学堂诞生,经几易其名,于1958年更名为河北农业大学至今。清光绪三十一年(1905)直隶高等农业学堂时期创办了《北直农话报》,清光绪三十四年(1908)更名为《直隶农务官报》,中华民国七年(1918)改出《农学月刊》,中华民国十七年(1928)易名为《河大农刊》,中华民国二十三年(1934)更名为《河北通俗农刊》,中华民国二十四年(1935)易名为《河北农林学刊》,1948年更名为《河北农学院研究专刊》,1959年更名为《河北农业大学学报》至今。《河北农业大学学报》前身诸刊都与现时的《河北农业大学学报》有着一脉相承的历史渊源,各刊之间联系紧密,连续性、继承性强。因此,《河北农业大学学报》的创刊时间应追溯至1905年创办的《北直农话报》。     

高校贫困生认定工作面面观

国家贫困生资助政策实施以来,对贫困生帮助很大,同时在实际运行中还存在着一些问题。本文提出贫困生认定工作仍需要进一步采取各种相关配套措施,以推动和保障贫困生资助工作更好地开展。     

生态旅游潜在客源市场特征的调查研究--以湖南永州金洞森林旅游开发为例

为探明客源市场生态旅游消费的潜在特征,采用问卷调查的形式,就长沙市居民对湖南金洞生态旅游开发的意向等问题进行抽样调查．结果显示,生态旅游符合人们“回归自然”的旅游新时尚,有着极大的开发空间,指出生态旅游的开发要注重环境保护和可持续发展．开发的产品要以休闲度假类的大众产品为主,开发生态旅游都市客源市场还要多种渠道并用,尤其是要注重媒体的宣传．     

动物疫苗接种异常反应的处理

动物疫病是畜牧业生产的大敌,要发展畜牧业生产就要防治动物疫病。但在疫苗接种时,经常出现正常反应外的其他不利于机体的反应,如废食、皮疹、休克、死亡等,正确处理或避开这些问题,对推行动物疫病的计划免疫,实施强制免疫,保护人畜安全具有十分重要的现实意义和作用。     

探究板栗的科学贮藏方法

板栗属壳斗科栗属(Castanea mollisima Blume),其种子属于顽拗型种子,不耐贮藏。基于近年来板栗贮藏保鲜技术研究成果,从合理采收、贮前处理、贮藏方法等方面进行论述。     

厚胶合板弹性模量预测模型

为了预测厚胶合板弹性模量,通过简化层合板理论,该文建立了胶合板弹性模量预测模型,并以单板条、经过涂胶热压处理的单板条和相同工艺条件下的单板层积材的弹性模量,采用4种不同铺层方式的19层桉树胶合板对模型进行了验证。结果表明:3种预测值与实测值的趋势一致,相关系数R2顺纹在0.86以上,横纹在0.88以上,但是精度不同。采用单板条弹性模量预测的胶合板弹性模量比实测值偏低;采用经过涂胶热压处理后的单板条弹性模量预测的胶合板弹性模量比实测值偏高;采用相同工艺条件下的单板层积材弹性模量预测的胶合板弹性模量与实测值偏差较小,顺纹平均误差为4.64%,横纹平均误差10.94%。因此,采用相同工艺条件下的单板层积材的弹性模量来预测胶合板的弹性模量是可行的。      

增强我国水果业出口竞争力的思考

分析了入世4年来,我国水果出口在量上实现了突破,但并没有实现质变的主要原因,指出我国水果业存在的问题。论述了引进外资对发展我国水果业的意义,并提出了具体可行的对策与建议。     

黑豆不同部分馏油的体外抗氧化性比较

[目的]通过体外抗氧化体系比较黑豆不同部分馏油抗氧化性活性。[方法]通过正交试验优化索氏提取黑豆馏油的最佳工艺,提取黑豆不同部分馏油;研究黑豆不同部分馏油对羟基自由基(·OH)、DPPH自由基(DPPH·)的清除能力。[结果]在样品浓度为1.0 mg/mL时,黑豆不同部分馏油对·OH的清除率分别为全豆馏油83.9%、豆黄(黑豆去皮部分)馏油64.8%、豆皮馏油17.3%,对DPPH·的清除率分别为全豆馏油41.3%、豆黄馏油33.2%、豆皮馏油77.9%。[结论]黑豆不同部分馏油均具有较好的抗氧化性,是良好的天然抗氧化剂。黑豆不同部分馏油对·OH的清除能力从大到小依次为全豆馏油、豆黄馏油、豆皮馏油,对DPPH·的清除能力从大到小依次为豆皮馏油、全豆馏油、豆黄馏油。     

水牛梭形住肉孢子虫包囊抗原的纯化技术

应用萄聚糖凝胶柱层析对水牛梭形住肉孢子虫包囊包溶性抗原进行了纯化。结果表明：纯化水牛梭形住肉孢子虫包囊抗原的最适条件为：选用萄聚糖凝胶Ｇ—１００柱层析系统；洗脱液为０３ＭＰＢＳ（ｐＨ７２），床体积为１０ｃｍ×１６５ｃｍ，上样体积为５００ＨＬ；流速为１２ｍＬ／ｈ。纯化抗原可使琼脂凝胶双扩散试验的阳性检出率提高３０％。