首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到10条相似文献,搜索用时 421 毫秒
1.
油松中幼人工林单木胸径生长模型研究   总被引:4,自引:0,他引:4  
基于大量油松中幼人工林固定复位样地数据,选用林木大小、立地条件和林分竞争因子为自变量构建油松中幼人工林单木胸径生长的线性回归预测模型.模型复相关系数R2为0.699,影响油松单木胸径生长量的因素从大到小依次为竞争因素>立地条件>林木大小;油松单木胸径生长量随坡度增大、海拔升高、林分密度变大而减小;利用油松检验数据库对模型进行预估效果检验发现,油松平均胸径生长量预测值为1.3861略高于实测值1.3753cm,经T检验差异不显著.  相似文献   

2.
南京地区黑松、马尾松松材线虫病病、健木pH值的比较   总被引:1,自引:0,他引:1  
 分别对黑松Pinus thumbergii和马尾松P.massoniana松材线虫病健木的pH值进行了比较, 通过方差分析, 确认其病、健木pH值差异是否显著, 以期获得利用指示剂对伐倒木进行快速检验可靠性的科学依据.结果表明, 黑松病、健木pH值的差异极显著, 因此, 通过适当指示剂在伐倒木上的颜色反应进行松材线虫病的检验是可靠的, 其可靠性可达95%以上.马尾松病、健木 pH 值差异不显著, 但是将所得数据进行平均数的差异显著性检验(t检验), 当概率值为0.20时, 则差异显著, 因此该种检疫检验方法对马尾松来说,可靠性较低,仅为80%.经分析,其可靠性较低的原因可能受所取试样含水量的影响.可见,这种检疫检验方法确有实际应用价值.  相似文献   

3.
在温室环境中,厚皮甜瓜较易感染一些病害,而传统的病害预测模型收敛速度慢,易在局部局限在极小值,为准确预测温室厚皮甜瓜病害,在BP神经网络的基础上进行优化,引入了遗传算法,在全局最优解的附近进行局部搜索,以遗传算法的全局搜索能力克服了传统神经网络的局部极小值问题与收敛速度缺陷。经以Matlab对试验数据进行仿真分析,证实引入遗传优化算法进行温室厚皮甜瓜病害预测误差显著减小,取得了较理想的拟合结果。  相似文献   

4.
小麦条锈病动态预测的初步研究   总被引:2,自引:0,他引:2  
 笔者利用5种不同增长模型,对1987-1989年间人工接种区病害系统观察的72组数据和1979-1989年田间发病区定点系统观察的26组数据进行拟合检验,认为以Logistic模型模拟小麦条锈病的田间增长过程效果较好。并对三种计算病害增长速率的办法进行了比较,得出以回归法求出的r值对实测病情的拟合误差较小。与此同时,还运用逐步回归法求得了病害增长速率的预测式,最后通过田间病害调查的实例将病害的动态预测方法进行说明。  相似文献   

5.
基于熵值法的玉米产量组合预测模型   总被引:2,自引:0,他引:2  
为了提高玉米产量预测的精度.利用熵值法为每种单一预测模型分配加权系数;将各单一预测模型的预测结果加权求和得到了组合预测模型的预测结果,建立了玉米产量组合预测模型.利用2000-2006年玉米产量资料进行模型精度检验,结果表明,组合预测模型的精度有明显提高,说明应用组合预测方法进行玉米产量预测是可行的.  相似文献   

6.
为保证广东省牛奶消费调查问卷数据分析的准确性,减少误差,必须对采集的数据进行检验,并对离群值进行处理.利用K-S检验法对采集的数据进行正态性检验,并对格拉布斯检验法检测出的离群值进行修正和处理,为数据的进一步统计分析奠定基础.  相似文献   

7.
张金梦  江洪  陈云飞等 《安徽农业科学》2014,(10):2969-2971,3049
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。  相似文献   

8.
试验中存在的多种不确定因素常造成试验数据不准确.为此,本文提出了基于这种模糊样本的模糊集值统计预测模型,以对试验数据进行预测.  相似文献   

9.
利用统计分析理论,对大兴安岭地区1980-2003年的气象数据和森林火灾数据进行了处理分析,并利用多元线性回归理论建立了以气象要素为影响因子的大兴安岭地区森林火灾过火面积预测模型.模型的相关系数为0.66,通过了回归方程和回归系数的检验.对预测模型进行的验证表明:正确率达到73.68%,预测结果符合实际,能够根据气象因子较准确地预测林火过火面积.  相似文献   

10.
为精准识别生菜的病害类型及所处病害时期,提出了一种结合高光谱技术和图像特征提取技术融合的生菜病害诊断方法。利用高光谱套件分别采集炭疽病、菌核病、白粉病的发病早期、中期和晚期以及健康状态下生菜叶片样本的高光谱信息,利用多项式平滑(Savitzky-Golay,SG)算法对原始光谱数据进行降噪平滑处理,采用连续投影算法(Successive projections algorithm,SPA)对预处理后的数据进行特征波长的优选,使用一阶到三阶矩和纹理LBP算子分别提取样本图像的颜色特征和纹理特征,最后通过SVR预测模型对颜色、纹理及光谱特征值数据进行训练并对预测集样本进行分类研究。结果表明,基于高光谱和图像融合特征的SVR预测模型性能良好,预测集决定系数为0.895 6,均方根误差为3. 75%。由于决定系数不够理想,通过引入松弛变量的方式降低间隔阈值,最终模型预测集决定系数为0.928 6,均方根误差为0. 034 2,决定系数提高了3. 68%,均方根误差降低了8. 8%,病害时期判断准确率为92. 23%。说明该方法能够较有效地诊断生菜的病害类型及所处病害时期,可为农业精准化管理中病害的自动防治提供参考。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号