基于贝叶斯网络的小麦条锈病预测研究

[目的]在地理信息系统GIS的平台上,将不确定性推理方法——贝叶斯网络引入病害预测,基于关键气象因子（温度、降水、湿度、日照）构建一个用于预测小麦条锈病发生概率的贝叶斯网络模型.[方法]采用预测日前7d的气象数据预测自预测日起7d内的条锈病发病概率,并对我国小麦条锈病重要流行区域——甘肃省东南部地区2010 ～ 2012年病害发生情况进行预测.[结果]模型在返青期至乳熟期输出的病害发生概率与实际调查结果吻合度分别为62.92％、63.18％、79.48％、94.75％,能够较客观地反映病害发生的时间规律和空间分布特点.[结论]该研究表明将贝叶斯网络和GIS分析结合在较大的空间范围内利用关键气象因子进行小麦条锈病短期预测是一种可行的途径.     

植物病害流行生长模型预测法

本文提出了植物病害预测的生长模型预测法,即利用较早期的病害发展数据,估计病害流行生长模型的有关参数,然后利用这些参数对病害未来的发展水平和发展速率作出预测。利用花生锈病等九个植病系统(包括真菌、细菌和病毒病害)47组流行数据对生长模型预测法进行了917次应用性检验,并用准确度参数P(P=[1-abs(-X)/X]×100)作为预测准确度标志,平均准确度为86％。     

病虫害的时空动态模拟

<正>病虫害是制约农业生产的重要因素,每年因病虫害造成的损失巨大。据FAO估计,世界粮食产量常年因病害损失高达14%,因虫害损失达10%。有效掌握病虫害的发生规律。可对病虫害的发生发展进行预测,为实际生产提供帮助。病害流行的定量研究是制订预测预报方法和病害可持续控制策略的基础。模型与模拟是病害流行学研究的一种重要方法,目前主要有数学模型、空间插值及系统建模等模拟方法。Logistic模型利用logistic方程对害虫发生的数量和面积进行预测。从害虫发生的系统资料中,概括出环境因子与害虫发生之间的内在联系,通过建立统计模型,来预测害虫种群未来发展     

基于贝叶斯神经网络的玉米病害预警模型

准确预测玉米病害是科学防治的前提,因此建立准确且稳定的预测模型,对于防治玉米病害、减少农作物经济损失具有重要意义.由于传统神经网络存在收敛速度慢、容易陷入局部最小化等问题,利用贝叶斯算法改进传统BP神经网络,即贝叶斯神经网络,结合吉林省部分地区的玉米病害数据,构建玉米病害预警模型.试验结果表明:贝叶斯神经网络玉米病害模...     

林分径级分布预测模型参数的贝叶斯法估计——以金沟岭林场样地数据为例

以吉林省金沟岭林场云冷杉针阔混交异龄林26块检查法样地的5次观测数据为基础,建立转移矩阵模型对一定周期的林分径级分布进行预测。分别利用经典统计学方法和贝叶斯方法对转移矩阵模型的参数进行估计,建立了固定参数的矩阵模型和贝叶斯矩阵模型,并对两种模型的预测效果进行对比。结果显示,固定参数的转移矩阵模型对林分径级分布的预测值比实际值偏高,贝叶斯模型的预测结果更接近林分的实际径级分布,证明了贝叶斯参数估计方法比固定参数平均的方法所建模型具有更高的预测精度。     

Weibull模型在花生锈病流行预测中的应用

利用花生锈病多年的病害系统调查数据,拟合Weibull方程,计算参数a、b、c。多元回归分析表明,花生锈病流行曲线的Weibull方程的位置参数a和标度参数b可以通过在病害流行初期病情达0.5,1,5,10％的时间或其两点间的时间间距求得,而形状参数c也可以通过上述四点和所求得的a,b参数联合求得。 利用所得的a、b、c参数可按Weibull方程对病害流行全过程预测,若在流行期间持续调查病情,重新估计c值,可提高预测准确度。利用1983年春花生两套数据对本法进行检验。在各210次检验中,平均准确度为89和84％。     

草莓炭疽病发生流行规律与防治技术探讨

草莓炭疽病是浙江草莓生产上的主要病害之一,探明该病害的发生流行规律与监测防治技术,对于科学防控该病害具有重要意义。现通过定点监测和调查研究,探明了草莓炭疽病的侵染与发病、发生流行规律与主要影响因素,并依此制定了草莓炭疽病的预测预报方法,确定了田间发病调查、栽培管理和气象条件等调查项目与方法,提出了病害流行趋势综合分析预测方法,集成了农业防治与药剂防治相结合的综合防治技术。     

草莓白粉病发生流行监测与综合防治技术研究

草莓白粉病是草莓生产上普遍发生的严重病害,研讨该病的发病流行动态与防治技术,对科学防控此病具有重要意义。现通过定点系统监测和调查试验,探明了草莓白粉病的侵染与发病、流行规律与主要影响因子,制定了草莓白粉病的预测预报方法,确定了田间发病调查、栽培管理和气象条件等观测方法,提出了综合分析预测和模型预测相结合的病害发生流行趋势的预测方法。同时,为有效控制病害的发生,研究探讨了农业防治、生态调控与药剂防治相结合的综合防治技术,并进行了技术集成与示范应用。     

水稻白叶枯病的流行与防治

介绍了水稻白叶枯病的流行情况、侵染特点以及影响病害发生流行的环境条件,并提出预测预报方法和防治措施。     

玉米叶部病害流行动态及预测预警研究进展

玉米叶部病害发生危害日趋严重,已成为我国玉米产区的主要病害。作者结合近年来对玉米叶部病害流行动态及预测预警研究工作基础,根据植物病害流行学原理以及相关研究报道,系统综述了我国玉米叶部病害发生危害、病害流行动态预测模型构建、病害损失估计、新型栽培模式对玉米叶部病害流行影响等方面的研究进展。     

基于主成分分析和贝叶斯正则化BP神经网络的GDP预测

选用财政收入、财政支出、消费品零售总额、实际利用外资、进出口总额以及全社会固定资产投资等对GDP有显著影响的6个因子,用1985~2008年中国的宏观经济数据建立了一个基于主成分分析和贝叶斯正则化BP神经网络的预测模型,并把它应用于我国GDP的预测。实证结果表明：通过主成分分析法和贝叶斯正则化方法对BP神经网络进行改进,可简化网络结构,增强泛化能力。与其它常用的预测方法相比,该方法数据输入简便,收敛速度快,拟合曲线光滑,且在预测精度上有明显的优势。     

基于贝叶斯方法的蒙古栎林单木枯死模型

目的贝叶斯统计法在提高模型参数稳定性上有较大的优势,研究贝叶斯方法在单木枯死模型中的应用,改进模型参数的估计方法,为蒙古栎天然林林分生长收获与经营管理提供参考。方法以蒙古栎天然异龄林为对象,基于202块固定样地数据,利用二分类Logistic模型构建基于经典概率统计法、贝叶斯法和分层贝叶斯法的蒙古栎单木枯死模型。随机抽取80%的数据用于建立模型,剩下的20%用于检验模型,利用经典概率统计法（非线性最小二乘法）、有先验信息的贝叶斯统计法和无先验信息的分层贝叶斯统计法进行参数估计,分析模型的表现和参数分布。模型的拟合效果通过计算ROC曲线下的面积AUC（Under Curve）来判断,并利用Pearson-χ2检验来检验模型的拟合优度。结果（1）贝叶斯法与传统极大似然法的估计值相近,且其估计参数的标准差小于传统方法。（2）贝叶斯法估计参数的可信区间最小,比传统极大似然法的置信区间小6.0% ~ 31.8%。层次贝叶斯法估计参数的可信区间最大,比传统极大似然法的置信区间大11.2% ~ 185.0%。（3）拟合效果最好的是层次贝叶斯法,其模型AUC值为0.83,贝叶斯法与传统极大似然法模型的AUC值均为0.73。结论层次贝叶斯法在拟合枯死模型方面具有明显的优势,拟合效果最好,模型预估精度最高。      

作物病虫害预测机理与方法研究进展

我国目前作物病虫害防治普遍存在乱用农药等防治方法不当的情况,给粮食安全带来巨大隐患。有效的病虫害预测是提高作物植保综合防控水平的关键。综述了作物病虫害预测机理与方法研究方面的新进展。在预测机理方面,分析了包括气候背景、气象因子、病虫原分布、寄主状况以及种植模式等因素对农作物病虫害发生流行的影响机制,并根据已有研究结果详细阐述了海温、厄尔尼诺、大气环流等气候背景对病虫害的指示作用,以及温度、降雨、湿度、风、光照等气象因子对病虫害的发生时间、侵染速度、传播及分布的影响。在预测模型方面,对病虫害预测模型进行归纳和总结,分静态模型、时序动态模型和空间传播模型等类型介绍了模型对病虫害发生、发展概率、严重程度、扩散方向、流行趋势等方面的预测方法。最后,对作物病虫害预测技术发展趋势进行展望,从数据、分析方法、尺度、研究和应用模式等方面对后续研究的关键问题进行探讨。     

基于分层贝叶斯方法的高山松单木生物量模型

以香格里拉市典型森林生态系统高山松林为对象,在前期进行Ⅰ区和Ⅱ区共115株高山松单木地上生物量实测基础上,以异速生长方程为单木生物量基础模型,并采用分层贝叶斯方法、非线性混合模型法、贝叶斯方法和非线性最小二乘法进行异速生长参数拟合,运用决定系数(R²)、估测精度(E)、均方根误差(RMSE)等指标对模型参数拟合效果进行评价。结果表明:1)从拟合精度看,4种方法的模型拟合效果均较好,R²均达到了0.98以上。但分层贝叶斯方法估计结果更优,其R²=0.985 6,E=84.76%和R_MSE=39.75 kg;2)通过对比不同方法的差异发现,加入了区域随机效应的分层贝叶斯方法和非线性混合模型法的拟合效果均优于未加入区域随机效应的贝叶斯方法和非线性最小二乘法。分层贝叶斯方法在拟合高山松单木生物量模型中具有更大优势,模型拟合效果最好。加入了随机效应的分层贝叶斯方法和非线性混合模型法可以提高单木生物量模型的估计精度,采用分层贝叶斯方法进行高山松单木生物量模型参数估测,为大尺度样本数据模型参数估测方法提供新思路。     

基于贝叶斯法的长白落叶松林分优势高生长模型研究

贝叶斯统计推断是基于总体信息、样本信息和先验信息的一种统计推断方法,并已成为森林生长模型中的一种重要方法。本文以长白落叶松人工林为对象,基于1 687对林分优势高与年龄数据,利用Richards生长方程构建基于贝叶斯法和经典概率统计法的林分优势高生长模型,探讨贝叶斯统计法拟合小样本量数据的稳定性。分别基于全部样本,以及随机抽取的10%、5%和2%样本,利用经典概率统计法(非线性最小二乘法)、无先验信息的贝叶斯统计法和有先验信息的贝叶斯统计法进行参数估计,分析模型表现和参数分布。模型评价指标包括均方根误差(RMSE)、贝叶斯统计常用的DIC统计值以及参数的可信区间。结果表明:基于小样本的贝叶斯统计与大样本的经典概率统计的拟合结果相近,但贝叶斯统计法估计的参数稳定性强,且抽样5%时的RMSE值最小。有先验信息的贝叶斯统计拟合结果优于无先验信息的贝叶斯统计拟合结果,参数分布也较为集中,不确定性小;有先验信息贝叶斯统计和经典概率统计的参数分布区间有较大重叠。另外,有先验信息贝叶斯统计对3种不同样本量的拟合结果显示,参数标准差以及模型RMSE值都是在抽样5%时最小,说明用贝叶斯统计的拟合精度及参数确定性与样本量大小也有一定关系。研究验证了贝叶斯统计在利用先验信息、基于小样本量进行森林生长建模时的优越性。      

基于贝叶斯分类的农作物产品质量挖掘研究

采用贝叶斯算法的基本原理,并结合农作物生长环境数据的特点,分析和预测了农作物的产品质量。采用随机选取的样本组进行试验预测,预测准确率高,表明该算法是有效的。     

基于贝叶斯分类的农作物产品质量挖掘研究

采用贝叶斯算法的基本原理,并结合农作物生长环境数据的特点,分析和预测了农作物的产品质量。采用随机选取的样本组进行试验预测,预测准确率高,表明该算法是有效的。     

单变量动态Gamma分布模型及贝叶斯预测

给出了观测值服从单变量Gamma分布,并在自然参数与状态参数之间满足线性关系ωt=F'tθt的假设下,利用共轭分布给出了相应模型的修正递推及其预测公式.     

复杂经济运行背景下省域经济风险评价——基于安徽省1995~2009年的经验证据

针对Probit分位回归在参数随机化条件下的建模问题,提出基于Metropolis-Hastings算法的贝叶斯Probit分位回归模型.通过分析Probit分位回归模型结构,选择模型的先验分布,运用M-H算法进行参数估计.利用Monte Carlo仿真技术,得到不同分位点模型参数后验分布,同时用贝叶斯probit分位回归与分位回归方法和光滑分位回归方法对模型参数估计进行比较分析.研究结果表明：贝叶斯Probit分位回归模型可以更全面描述离散选择变量的影响,能够得到更加准确有效的参数估计.