基于状态转移算法优化的投影寻踪病虫害预测模型

为解决新疆加工番茄病虫害预测问题中样本数据的非线性和高维性等问题,采用投影寻踪回归模型对加工番茄病虫害预测进行研究。根据新疆某种植基地的样本数据,将投影寻踪回归模型与改进状态转移算法结合,建立了改进状态转移算法优化的基于Hermite多项式的投影寻踪病虫害预测模型。投影寻踪病虫害预测模型将高维的数据投影到低维空间,利用加入正交变换的状态转移算法优化得到投影方向和多项式系数。试验结果表明,利用该模型对新疆某种植基地2003—2008年的样本数据训练效果误差0.2,等级预测达到完全正确;对2009—2011年的病虫害等级预测准确率95%。基于改进状态转移算法的Hermite投影寻踪回归模型可靠性及预测精度很高,能有效的解决病虫害预测中存在的数据非线性、高维性等实际难题。该模型应用于加工番茄病虫害的预测具有一定的可行性和实用性。     

基于遗传算法的改进Elman神经网络模型的降雨量预测

为了研究年降雨量的变化规律及特点,采取预防措施,减少灾害损失,根据1955-2006年盘锦地区的气象资料,利用Matlab 软件分别取不同的网络训练样本,建立了3组BP神经网络预测模型.然后利用遗传算法对Elman神经网络进行优化,建立了遗传神经网络预测模型.对比结果表明遗传神经网络的预测精度高于BP神经网络预测模型.说明利用遗传神经网络模型对盘锦地区的年降雨量进行预测是可行的.     

基于GNNM的加工番茄产量预测研究

为提高加工番茄产量预测精度,提出一种串联型组合灰色神经网络模型(grey neutral net model,GNNM)的番茄产量预测方法。通过以新疆某加工番茄产业基地的历史数据作为研究对象,利用灰色关联分析法,获取与加工番茄产量相关性较大的影响因素,剔除非主要影响因素。以主要影响因素和灰色模型(grey model,GM)预测值作为神经网络模型输入,加工番茄产量作为输出,构建GNNM预测模型。仿真试验结果表明,新预测模型具有更好的逼近能力和预测精度,为加工番茄产量精准预测提供了一种新的方法。     

基于BP神经网络的麦蚜最大虫株率预测

农业病虫害严重制约着农作物的产量和质量,准确的病虫害测报是科学防治害虫的前提,因此建立准确且稳定的预测模型,对于提前采取措施进行病虫害防治、减少农作物经济损失具有重要意义。为探索建立更加准确和稳定的病虫害测报模型,本实验以山西省运城市芮城县1980—2006年麦蚜最大虫株率和气象因子数据为基础,建立BP神经网络预测模型,对1980—2006年数据进行网络训练,预测2007—2011年麦蚜最大虫株率,并与逐步回归法进行比较。结果表明,BP神经网络的预测准确率超过96%,从预测准确率和模型稳性定上都远好于逐步回归法预测结果。基于BP神经网络预测模型处理非线性问题的能力、良好的自学习、自组织和自适应性、良好的推广能力,其可作为农作物病虫害预测预报的一种有效方法继续探索。     

基于神经网络的短期土壤墒情预测模型研究

为实现短期的土壤墒情预测,根据天津市蓟州区、静海区、宁河区、滨海新区的10个气象墒情自动监测站3年的数据,对短期土壤墒情预测模型进行研究。选取站点编号、空气温度、空气湿度、风速、风向等28项影响因子,用包含天气预报和不含天气预报的2组数据分别训练BP神经网络和Elman神经网络,并对4组预测模型结果进行对比分析。结果表明：不含天气预报的BP神经网络模型和包含天气预报的BP神经网络模型精度分别为94.79%、95.54%,不含天气预报的Elman神经网络模型和包含天气预报的Elman神经网络模型精度分别为96.85%、96.64%。研究认为,Elman神经网络具有稳定性好、精度高的特点;理论认为,含天气预报的模型精度比不含天气预报的模型精度高,BP神经网络表现出这一相关性,而Elman神经网络并没有表现出这一相关性。     

基于神经网络猪舍氨气浓度预测方法研究

猪舍内氨气浓度对猪生长发育影响较大,建立准确氨气浓度预测模型尤为必要。目前已有针对猪舍内氨气浓度预测研究,但氨气浓度受猪舍内多种环境因素影响,缺少准确预测模型。为此本研究从实测猪舍内环境数据(包括氨气浓度、温度、湿度、活动量、通风)中随机选取1 537组数据,使用L-M算法优化BP神经网络、线性神经网络和Elman神经网络预测猪舍内氨气浓度。结果表明,基于L-M算法优化BP神经网络建立5-9-9-1四层结构预测模型经290步后达目标误差,预测值和真实值最大绝对误差仅为0.1720,与Elman神经网络和线性神经网络预测方法相比可提高猪舍氨气浓度预测准确性和及时性,为猪舍环境预警提供支持。     

马尔科夫链在加工番茄产量预测中的应用研究

以新疆某地加工番茄为研究对象,运用马尔科夫预测技术,建立番茄产量预测模型。通过对2000-2011年的加工番茄产量进行预测检验,预测结果与实际产量相吻合,期望能为未来种植计划提供参考依据。     

基于PLS_GA_Elman算法的病虫害预测

针对农业中虫害受多种复杂因素的影响及发生量预测问题非线性、样本少、特征变量多的特点,结合偏最小二乘回归（PLS）、遗传算法（GA）与Elman神经网络,建立了虫害发生量的PLS_GA_Elman预测模型。通过PLS回归算法对影响因素进行特征提取后,将降维变量输入Elman模型,并运用GA对Elman建模中的权值和阀值进行优化。通过实例分析表明该模型预测准确性高,能有效地预测虫害的发生量。同时为验证算法的有效性,与PLS算法、Elman神经网络算法、基于GA的Elman神经网络算法（GA_Elman）、基于GA的BP神经网络算法(GA_BP)进行比较。     

基于灰色系统理论的加工番茄产量预测模型研究

[目的]研究基于灰色系统理论的加工番茄产量预测模型。[方法]运用灰色系统理论研究了加工番茄产量变化趋势,建立了加工番茄产量预测的GM（1,1）灰模型,并以2001～2009年新疆加工番茄产量为例,进行了实例分析。[结果]该模型有较高的预测精度和较强的泛化能力,对近期加工番茄产量的预测是可靠的。[结论]为新疆地区番茄产业的宏观调控、番茄加工及储藏等方面提供了参考。     

基于灰色系统理论的加工番茄产量预测模型研究(英文)

[目的]研究基于灰色系统理论的加工番茄产量预测模型。[方法]运用灰色系统理论研究了加工番茄产量变化趋势,建立了加工番茄产量预测的GM(1,1)灰模型,并以新疆2001～2009年新疆加工番茄产量为例,进行了实例分析。[结果]该模型有较高的预测精度和较强的泛化能力,对近期加工番茄产量的预测是可靠的。[结论]为新疆地区番茄产业的宏观调控、番茄加工及储藏等方面提供了参考。     

基于机器学习和图像处理技术的病虫害预测

针对传统病虫害预测过于繁琐、准确度低的现状,提出一种基于图像处理与SVM(支持向量机)结合的病虫害预测算法,并对未来几年病虫害可能发生的面积进行了有效预测.首先通过图像滤波、特征提取等图像处理技术得到昆虫数学形态学特征,然后结合往年病虫害数据对特征进行标签设定和科学分类,继而对未来病虫害的发生进行合理预测.通过构建动态预测模型进行有效的、科学的病虫害预测预报.最后,通过与实际值进行对比,预测精度达到了90%.实验结果表明,该方法具备较好的预测精度,是一种合理科学的预测方法.     

4种常见蔬菜病害预测预报模型研究进展

在梳理常见蔬菜病害预测预报模型研究的基础上,总结了番茄、辣椒、茄子和黄瓜4种蔬菜病害预测模型的研究现状,梳理出预测模型类型有系统预测模型、数理统计回归模型和新型信息技术(高光谱技术模型、BP模型、叶绿素荧光光谱技术等)预测模型。总结出预测模型的4个建模依据原理和4种常见的建模方法,根据以上内容对预测模型进行评价并提出现有预测模型研究中存在的问题。最后对蔬菜病害预测模型的应用前景进行了概述,旨在对未来蔬菜病害预测模型的研究提供参考。     

西安地区小麦病虫害发生程度预测研究

根据2001～ 2011年西安地区小麦主要病虫害总发生面积,选取对应年有关气象资料,利用相关统计分析方法,确定关键气象因子,采用模糊数学原理对西安地区小麦病虫害发生程度进行分析预测,建立了简单易行,适于基层推广使用的模糊数学预测模型.结果表明,该模型预测效果较好,且历史拟合率极高,具有较强的实用价值.     

基于主成分分析的玉米棉铃虫预测模型

棉铃虫是河西走廊东部玉米主要害虫之一,气象因素对其种群消长具有非常重要的影响。利用1999-2008年棉铃虫发生资料与同期气象资料,通过对棉铃虫危害程度和其种群消长动态的分析,采用主成分方法对棉铃虫发生动态进行模拟,建立了棉铃虫危害特征预测模型。检验结果表明:预测模型准确率78%~89%,订正模型准确率提高10%以上。模型预测时效超前、效果好,且具有动态特征,可用于研究区域棉铃虫发生程度的监测、预警与研究。     

烟台市苹果病虫害监测预警系统的研发与应用

为提高苹果病虫害防治的科学性、准确性和及时性,以C#语言作为开发工具,以GPRS无线通讯技术、地理信息系统(GIS)和计算机网络技术为支撑,采用B/S体系结构,开发实现了烟台市主要苹果病虫害监测预警系统。通过将苹果病虫害数据库、预报模型数据库以及气象数据库进行有机结合,该系统能够将抽象的数据转化为直观易懂的电子地图,清晰明了地显示病虫害的空间分布规律及发生程度。实践表明,该系统能对烟台市主要苹果病虫害提供方便有效的监测预警服务。     

基于模糊聚类的神经网络虫情预测

1基于模糊聚类的神经网络预测 首先采用模糊聚类对所有样本进行预处理,再把去噪后的数据作为神经网络的输人数据进行训练和预测。 1．1基于模糊聚类的神经网络结构3层BP神经网络具有令人满意的对连续映射的逼近能力,可以满足预测的要求,因此,采用3层BP神经网络作为研究模型。3层BP神经网络由输入层、隐含层和输出层组成。     

小麦赤霉病CBR预测模型参数的优化

基于类比推理人工智能方法 CBR原理建立了以时间序列为轴线的小麦赤霉病滚动预测模型。为提高模型预测的准确性,利用安徽省农作物病虫数据库,结合专家经验会商的结果,优化筛选该预测模型中的预测单元、预测阶段、各预测阶段的权重、气象因子及其权重等各关键预测参数,并检验其预测的准确性。结果表明,运用优化后的参数,小麦赤霉病CBR预测模型常年预测准确率可达84.21%。故优化后的预测参数可用于小麦赤霉病CBR预测模型。     

福建省福鼎市主要森林病虫害统计特征及其预测分析

利用1991-2010年的统计数据,对福鼎市主要森林病虫害发生和防治面积的统计特征进行分析,并运用改进的灰色模型GM(1,1)进行预测。结果表明:(1)福鼎市森林病虫害发生面积波动剧烈且增势明显;(2)森林病虫害防治效果较好;(3)改进的GM(1,1)模型预测效果总体理想,部分模型需要进一步改进以提高模拟精度;(4)松墨天牛(Monochamus alternatus Hope)和其他种类病虫害将占据福鼎市主要地位,应加大预防和除治力度,突出重点区域和重点病虫害种类的防治、加大外来植物检疫力度以及依托高科技进行病虫害预警和防治。     

基于模糊聚类的神经网络虫情预测研究

针对虫情预测的模糊性、相关性、非线性、实时性等特点，以及神经网络在小样本预测时泛化能力降低的问题，提出了一种基于模糊聚类的神经网络农作物虫情预测方法。仿真结果表明，该方法简单实用，能快速、准确预测虫情，特别在样本少及样本相关性较大的情况下，能取得较好效果。