水稻褐飞虱发生程度气象预报方法的研究

[目的]建立水稻稻飞虱发生程度预报方程,从气象条件的角度对每年的发生程度进行预测,指导稻飞虱的防治工作。[方法]利用江苏泰州地区历年气象资料和水稻稻飞虱发生资料,选取大量气象因子,采用逐步回归的方法,寻找和水稻稻飞虱发生密切相关的气象因子。[结果]前期气象因子与当年水稻稻飞虱发生密切相关;3~5月平均气温与10月上旬褐飞虱影响程度呈负相关;2~4月降水量和降水日数与10月上旬褐飞虱影响程度呈正相关。[结论]以前期气象因子通过逐步回归建立的预报方程可用于实际预测。     

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。     

用ENSO事件的特征进行褐飞虱发生程度长期预测的研究

根据江西省泰和县1991～2007年褐飞虱发生程度的资料及1990～2007年ENSO事件的特征值资料,采用相关分析和逐步回归分析方法,建立了泰和县褐飞虱发生程度(Y)的长期预测模型:Y′=-0.20790X1+0.22877X2+4.05618,其中X1为上一年厄尔尼诺的强度,X2为当年3月南方涛动指数(Southern Oscillation Index,SOI)。该模型1991～2007年的历史拟合符合率为82.35%,2008～2009年的预报准确率为100%,并预测2010年泰和县褐飞虱发生程度为中等(3.11级)。     

中长期径流预报模型优选研究

【目的】对中长期径流预报模型进行比较和优选,为中长期径流预报模型的应用及提高预报精度提供参考。【方法】以黄河流域黑石关、龙门、民和水文站年径流为研究对象,利用灰色预测进行趋势分析、逐步回归进行周期分析,两者耦合建立灰色-逐步回归周期模型;利用逐步回归分析确定均生函数的周期性基函数,耦合建立均生函数-逐步回归模型;利用灰色-逐步回归中的趋势项和周期项作为预报因子,建立投影寻踪回归模型;利用前4年的实测径流数据预报当年径流,建立BP神经网络模型,并通过信息熵原理进行站点模型的综合评价和优选。【结果】建模期除黑石关水文站BP神经网络模型外,各站点拟合预报的平均相对误差均小于11.0%,合格率均大于90%。验证期除民和水文站灰色-逐步回归周期模型外,各站点平均相对误差均小于20%,合格率等于或大于80%,满足精度要求。【结论】均生函数-逐步回归径流预报模型可作为黑石关水文站的优选模型,BP神经网络径流预报模型可作为龙门和民和水文站的优选模型。     

基于逐步回归法和BP神经网络模型的苹果产量预测

本文通过逐步回归法挑选出4个影响苹果产量的关键气象因子,并运用逐步回归法和BP神经网络建立苹果产量预测模型。通过检验,2种预测模型拟合效果均较好,均能够较好地预测今后苹果的产量趋势。其中BP神经网络模型预测有较高精度,但存在局限性。     

遗传算法优化人工神经网络模型在日光温室湿度预报中的应用

提出一种基于遗传算法优化BP神经网络的方法预测日光温室湿度环境因子。实测日光温室内影响空气湿度的环境因子组成数据样本作为神经网络的输入,采用基于实数编码的遗传算法替代随机设定神经网络的初始权阈值,然后通过改进的BP算法在由遗传算法确定的搜索空间中对网络进行精确训练。模型预报值和实测值基于1：1线的决定系数R2和预测平均相对误差MSE分别为0.9857和3．1％。结果表明,遗传算法优化BP神经网络预报模型收敛速度快、预测精度高。可为日光温室的湿度环境调控制提供理论依据和决策支持。     

受褐飞虱破坏的水稻光谱特性研究

[目的]利用光谱分析方法建立光谱与水稻褐飞虱虫量的相关关系,并利用该模型对褐飞虱虫量进行预测。[方法]利用波段范围在350～1 050 nm以及分辨率3 nm的ASD光谱仪,分别对健康水稻和受水稻褐飞虱（BPH,Nilaparvata lugens）破坏的受损水稻进行了光谱特性测定。利用光谱特性分析方法对水稻褐飞虱破坏的受损水稻光谱特性进行了分析,并与水稻褐飞虱虫量建立了显著性相关估算模型。[结果]所建模型的预测精度在66.8%～81.2%,可有效开展水稻褐飞虱虫量的预测。[结论]利用高光谱可以很好地预测褐飞虱虫量。     

嘉兴市水稻条纹叶枯病预报因子筛选及预测模型应用

在水稻条纹叶枯病发病规律研究的基础上，应用逐步回归、模拟建模等方法，筛选了以灰飞虱带（传）毒率、灰飞虱虫量、水稻播种期与品种、耕作方式、气候等为主的预报因子，建立预测模型，并在2006、2007年进行趋势预报，预测结果与实测基本相符，为科学防治提供依据，有利于防治策略的制订与防控措施的落实。     

基于Vis-NIR光谱的土壤质地BP神经网络预测

为快速、准确地获取土壤质地信息,提出了应用Vis-NIR光谱结合BP神经网络的建模方法。以河南封丘县的86个土壤样本为研究对象,以原始光谱和微分光谱主成分为输入变量,建立土壤粘粒和砂粒的BP神经网络预测模型,并将其预测结果与多元线性逐步回归模型进行比较。结果表明:基于原始光谱主成分的BP人工神经网络预测结果最好,优于多元逐步回归模型,预测粘粒和砂粒的RMSE分别为1.62和6.52。BP神经网络所建模型训练时间短、准确度也较高,能实现对土壤质地的高效预测。     

褐飞虱长期预测因子的选择与模型的组建

提出了非线性逐步回归、主分量非线性逐步回归和旋转主分量非线性逐步回归3种因子选择方案，为提高褐飞虱长期预测的准确性提供依据。试验结果表明，主分量非线性逐渐回归方法所选择的因子对褐飞虱的预测具有最好的效果，对独立样本的预测达到80％的正确率。     

云南省水稻白叶枯病BP神经网络测报技术研究

 人工神经网络对复杂非线性问题映射能力强,能提高预测的准确度,为水稻白叶枯病害的防治工作提供指导。因此,本研究基于水稻白叶枯病害发生、危害与温度、湿度、降雨等气象因素相关的特点,利用人工神经网络建立云南省勐海县和石屏县水稻白叶枯病害BP神经网络预测模型,预测病害的发生程度。经实例验证,BP神经网络预测模型预测准确度达到80%以上,较逐步回归模型高。研究表明在勐海、石屏建立水稻白叶枯BP网络预测模型是可行的,并具有较高预测准确度,对防治工作有较高应用价值。     

桂林市桂花花期与气候因子关系研究

[目的]探索桂林市桂花开花规律,预测桂花开花时间,为桂林市开展桂花观赏旅游活动提供技术支持.[方法]采用普查和定期观测法,记录1999～2011年桂林市桂花的花期,并与桂林市历年的温度、湿度、降水量、雨日、日照时数等气象资料进行比较分析,采用逐步回归法,建立桂花花期预测模型.[结果]桂花花期与部分月份的降水、水气压、日照、雨日、最高温度等相关度较高,其中9月最高温度（x1）对桂林市桂花花期的影响最大,其次是2月中旬雨日（x2）.采用逐步回归方法,得到桂林市桂花花期的预报模型为：y=-166.680＋6.546x1-0.184x2.利用模型对桂花开花日期进行回测,结果表明预测模型的准确率较高,误差在0～3 d.[结论]花前温度是影响桂林市桂花开花的关键因素,花前温度越高,开花越晚;在桂花春梢萌发时期,雨日对桂花花期影响也显著,雨日越多,越有利于春梢生长,桂花开花越早.     

基于MATLAB神经网络的温室草皮腾发量预测研究

[目的]明确基于MATLAB的BP神经网络预测温室草皮腾发量的可行性。[方法]在9月温室实测气象资料的基础上,对温室内的平均气温、相对湿度、光照强度和草皮日腾发量(ET)进行回归分析,建立了BP网络ET预报模型(BP-ET)。[结果]气温、光照强度与草皮腾发量呈显著正相关(P<0.05),相对湿度与草皮腾发量呈显著负相关(P<0.05)。BP神经网络模型具有极高的拟合精度,9月资料检验预报模型的平均相对误差为5.58%,模拟与检验均有很高的拟合精度。BP网络可以用于草皮日腾发量的预测,是对传统草皮日腾发量计算的补充。[结论]该研究为气象数据缺测条件下温室草皮日腾发量的估算提供了新思路。     

土壤墒情预测模型对比

为实现实时准确的墒情预报,以北京市延庆区为例,利用在该地区获取的2012—2016年5年的系列土壤墒情和气象数据,对土壤墒情预测模型进行了对比研究。通过相关性分析选取时段初墒值W_0、降雨、湿度、气温、气压、地温和蒸发7种影响因子,对土壤墒情分别建立线性回归方程、基于主成分分析的径向基函数(PCA-RBF)神经网络和误差反向传导(BP)神经网络3种预测模型,并对3种模型预测结果进行了对比分析。结果显示:PCARBF神经网络模型精度最高,平均精度达到96.8%,线性回归模型和BP神经网络模型分别为94.6%和95.7%。研究认为,PCA-RBF神经网络具有稳定性好、精度高的特点,可以很好的实现土壤墒情预测。     

基于逐步回归分析的桔小实蝇种群数量变动及其影响因子的研究

[目的]研究影响桔小实蝇种群变动的显著影响因子。[方法]利用逐步回归分析方法对云南建水县桔小实蝇种群数量变动的规律及影响其发生的气象因子进行分析,并建立回归模型,最后通过云南建水县2004～2006年数据对回归模型进行回检。[结果]影响桔小实蝇发生量的主要气象因子为相对湿度、月最低气温和降雨量。[结论]该研究为桔小实蝇发生时期、发生量以及发生高峰期的预测提供了参考。     

南宁市稻飞虱发生发展气象条件等级预报技术研究

[目的]研究南宁市稻飞虱发生发展严重程度与气象条件的关系.[方法]以南宁市武鸣县为例,用SPSS软件通过对1987～ 2009年武鸣灯下虫量与气象因子资料进行了逐步回归分析建模,并利用模式建立了各旬稻飞虱发生发展气象条件等级预报指标.[结果]通过拟合、预报精度检验,最终得到6个旬灯下虫量模拟模式,利用模式进一步建立了3月上旬、3月中旬、7月中旬、8月上旬、8月下旬、9月下旬的稻飞虱发生发展气象条件等级预报指标,根据该指标可进行旬的稻飞虱发生发展气象条件等级预报.[结论]为稻飞虱的统防统治以及南宁市水稻增产稳产提供了参考.     

基于灰色关联下神经网络在南果梨始花期预报中的应用

为探寻更精确有效的南果梨始花期预报方法,采用灰色关联分析法确定与始花期关联较大的冬季气象因子,以此作为BP(Black Propagation)神经网络与RBF(Radial Basis Function)神经网络建模的输入因子并预测南果梨始花期,利用均方根误差(RMSE)和相对误差(RE)评价该模型的预测效果,同时对比与南果梨始花期显著相关的冬季气象因子建立逐步回归方程并进行回代后的预测结果。结果表明：（1）与南果梨始花期灰色关联较大的气象因子为冬季日均气温、日最高气温、日最低气温、日均相对湿度,关联度均在0.6以上,故将这4个因子作为BP和RBF神经网络模型的输入层来预测南果梨始花期;（2）与始花期显著相关的气象因子有日均气温、日均5 cm地温、日最低气温、日最高气温,相关系数分别为-0.646、-0.628、-0.638、-0.663,所建回归模型均通过了显著性检验且具有统计学意义;（3）BP和RBF方法建立的模型拟合精度总体上较接近;（4）基于灰色关联下BP神经网络和RBF神经网络预测结果误差分别为1 d和2.25 d,BP神经网络预测的开花日期更接近实际开花日期;（5）基于灰色关联下BP神经网络模型RMSE为1、RE为6.34%、R²为0.7,而RBF神经网络模型RMSE为2.25、RE为13.13%、R²为0.568。综上,灰色关联分析法建立的BP神经网络模型较RBF模型预测南果梨始花期更精确。     

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。     

用分类法预测陕南晚熟水稻纹枯病

[目的]用分类法预测陕南晚熟水稻纹枯病,为水稻纹枯病的预测防治提供方法依据。[方法]用分类法量化地分析了2000～2007年陕南晚熟水稻D10后期水稻纹枯病发生程度与孕穗期、抽穗期气温、降雨量的关系。[结果]收获前D10平均病指与8月上旬平均气温及7月中旬～8月上旬降雨量有显著的多元线性回归关系。水稻纹枯病发生高峰期在7月中旬～8月中旬。[结论]水稻纹枯病是同质性病害,后期水稻纹枯病发生程度可以代表水稻纹枯病发生程度。用分类法建立的回归方程不仅能准确预测水稻纹枯病发生程度,而且推出水稻纹枯病属喜高温高湿的农田冠层小气侯性病害。因此,在节水灌溉降低发病部位抑病的基础上,培育健壮合理群体降湿抑病尤为重要。同时不可忽视前期预测挑治,中期普防。     

基于多种模型的浙江省入境游客量预测

入境游客量是衡量地区旅游发展的重要指标之一,准确的旅游需求预测可以为旅游规划提供参考依据。本文根据浙江省2001-2011年接待入境旅游游客量及其他相关统计数据,运用BP神经网络法、GMDH模型、逐步回归分析与BP神经网络组合预测法以及BP神经网络与GMDH模型组合预测法,基于影响因子要素对入境游客量进行预测分析。实验证明BP神经网络与GMDH模型组合预测法具有较强的预测优势。