共查询到19条相似文献，搜索用时 265 毫秒
1.
[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％。 相似文献
2.
利用1983年9月至1989年9月马尾松毛虫的虫情调查资料,研究仙居县各测报点的马尾松毛虫有虫面积、虫口密度的时空变化规律,分别建立三维自回归趋势面模型、预测克立格模型、空间-时间序列预测之自回归模型和广义时空回归模型4种发生量空间定点预报模型。结果表明,所建立的4种发生量空间定点预报模型均具有较好的预报效果,对1989年3代的虫口密度、有虫面积进行预报检验,预测克立格模型的预报准确率为100％;空间-时间序列预测之自回归模型和广义时空回归模型对两者的预报准确率则均为66.7％;三维自回归趋势面模型虫口密度预报准确率为33.3％,有虫面积的预报准确率为66.7％。 相似文献
3.
马尾松毛虫发生量灰色系统模型的建立及其预报 总被引：1，自引：1，他引：1
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％. 相似文献
4.
5.
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 总被引：1，自引：0，他引：1
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%. 相似文献
6.
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％。 相似文献
7.
基于机器学习的马尾松毛虫发生面积预测模型 总被引：1，自引：0，他引：1
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(R~2)和预测准确率(PA)最高(R~2=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(R~2=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。 相似文献
8.
9.
研究表明:马尾松毛虫年度累计发生面积与冬季最低气温在直观上略呈反向关系,但线性关系不明显。基于径向基函数的神经网络分析表明,冬季最低气温对年度累计发生面积影响呈现明显的非线性关系,对马尾松毛虫的发生面积影响显著。因此,冬季最低气温可以作为马尾松毛虫预测预报非线性建模因子,开展马尾松毛虫精细化短期预报。 相似文献
10.
马尾松毛虫防治指标的研究 总被引：5，自引：0，他引：5
本研究是在马尾松毛虫(Dendrolimus punctotus Walker)年发生4代的湿地松和马尾松林分中进行,采用人工模拟以及双因素完全随机区组试验设计等方法进行研究,得到如下结果:(1)每头幼虫的取食量在世代之间无显著差异;(2)建立了由容易测量林木因子估测针叶量的模型;(3)确定了防治马尾松毛虫的防治指标. 相似文献
11.
12.
香梨优斑螟发生动态监测及引诱剂筛选 总被引：1，自引：0，他引：1
利用糖醋液监测香梨优斑螟在莎车县的发生动态。监测发现,香梨优斑螟在莎车县1 a发生3代,其越冬代羽化高峰期为4月上旬,第1代羽化高峰期为6月中旬到7下旬,第2代羽化高峰期为8月中下旬。从总的发生趋势来看,第2代发生数量最高。此外,对香梨优斑螟采取不同剂型引诱剂诱杀试验。结果表明,供试诱剂中改良型诱剂效果较好,但与糖醋液对比其诱捕效果较差,仅为糖醋液的1/6。 相似文献
13.
总结了白湖圩区８０年代以来水稻螟虫为害波动情况：为害主次变化,不同世代特点,世代重叠,为害代数增加,侵入部位上移,转株率增大,抗药性提高,以及种植方式的改变对为害波动起了一定作用等。通过试验提出,利用全代化蛹率预测螟虫的发生情况及“狠治１代,重治２代,注意３、４代发生动态”的防治策略。 相似文献
14.
马尾松毛虫幼虫发生严重程度的预测研究 总被引：1，自引：0，他引：1
为了提高马尾松毛虫幼虫发生严重程度的预测精度,寻求简便准确的预测方法,采用时间平稳序列法、回归预测法、马尔科夫链法、BP神经网络法和列联表多因子多级相关分析法对安徽省潜山县1983—2014年的马尾松毛虫越冬代、一代和二代幼虫发生的严重程度进行预测,研究历史符合率,并用2015年和2016年的实际发生情况验证。结果表明,平稳时间序列法,列联表多因子多级相关分析法计算简便,预测结果准确;BP神经网络法和马尔科夫链法预测结果非常准确。回归模型中以当代卵盛期卵量预测当代幼虫发生严重程度的一元回归模型的预测结果准确性高,其余一元回归模型预测结果稍差,多元回归模型和逐步回归模型优于一元回归模型。BP神经网络模型是一种理想的预测模型。 相似文献
15.
16.
ARIMA模型在马尾松毛虫发生面积预测中的应用 总被引：7，自引：0，他引：7
[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。 相似文献
17.
球孢白僵菌对马尾松毛虫的毒力与有关生化指标的关系——Ⅲ.不同世代白僵菌胞外蛋白酶的毒力 总被引：2，自引：0，他引：2
用液体培养的方法研究了白僵菌(Beauveria bassiana)不同世代的胞外蛋白酶产酶水平与其毒力关系。结果发现,B.bassiana各世代在明胶和虫尸粉两种液体培养基中均表现出随着继代移殖次数的增加胞外蛋白酶产酶水平依次降低的趋势,但同一世代在虫尸粉培养基中的产酶量显著高于明胶培养基中的产酶量。各世代在两种培养基中的产酶方式也不完全相同。各世代对马尾松毛虫的毒力也表现出了随继代数增加而减弱的趋势。 相似文献
18.
为适时有效防治金纹细蛾,2008—2012连续5年,在泰安肥城苹果园使用信息素诱捕法检测了金纹细蛾成虫的发生动态。金纹细蛾一年发生5代,越冬代成虫发生量较低,果园第1、2代成虫发生量均远远低于防治指标,一般选择第3代作为防治的关键时期。据检测金纹细蛾成虫的发生量动态数据,以温度、湿度、降水、日照等气象资料作为气象因子,采用简单逐步回归建立了金纹细蛾第3代发生高峰期的预测预报模型：Y=-26．07719441＋0．03172086213X1＋0．26477681472X3;采用简单逐步回归和多因子互作回归建立了金纹细蛾世代发生量的预测预报模型：YI = 76. 7670083＋1.7896678278X1＋ 3.189238346X4 ; YII =- 518. 557711 - 3.220994915X1 ＋ 0.22643837696X1X2 ＋0.14479769093X2X4 ＋0.023406769049X3X5。经检验,简单回归模型能够较为准确预测出金纹细蛾第3代发生高峰期,多因子互作回归模型和简单回归模型均能准确预测金纹细蛾的世代发生量,其中以多因子交互回归模型预测结果更可靠。 相似文献
19.
收集整理福建省云霄县2005-2015年稻飞虱灯诱数据、田间调查数据及相关气象资料,分析2005-2015年云霄县稻飞虱发生动态及其主要影响因素,结果表明,云霄县早稻以白背飞虱为绝对优势种群,占91.3%,其次为褐飞虱占8.7%;晚稻前期以白背飞虱为主,占75.7%~77.7%,中后期褐飞虱虫量逐渐超过白背飞虱,占51.6%~63.1%。各年度各月份稻飞虱种群消长动态基本一致,即呈现"双峰型"发展态势。云霄县稻飞虱常年发生7~8代,早稻主害代第四(3)代重于晚稻第七(6)代。白背飞虱始见期早于褐飞虱。11年来平均发生程度3.3级,为中等偏严重发生,主害代呈现提早发生及间歇性爆发为害的特点。气候条件是关键影响因素。台风、西南气流活动、阵性降雨等气候条件对稻飞虱迁入影响明显,而迁入峰次多且迁入峰量大是导致云霄县稻飞虱爆发成灾的主要因素。 相似文献