共查询到19条相似文献，搜索用时 171 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.
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
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.
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
5.
基于响应面方法的马尾松毛虫发生量混沌特性检测及其预测 总被引：2，自引：0，他引：2
以非线性动力学为基础,通过响应面方法建立马尾松毛虫有虫面积序列密度依赖离散世代的非线性模型.结果表明:用响应面方法检测的马尾松毛虫有虫面积序列具有混沌特征,马尾松毛虫世代间有虫面积动态为2级相关,可以用前1代及前2代的有虫面积预测下1代的有虫面积,且预测准确性较高. 相似文献
6.
将多因子回归、径向基函数、多层感知器3种模型应用于2016年、2017年马尾松毛虫预报,发生量与发生期预测,预测精度均符合生产预报要求。因此,推广林业有害生物精细化预报技术,有利于实现林业的有害生物精确管理。 相似文献
7.
8.
9.
根据相关系数法筛选出与马尾松毛虫各级危害程度的危害面积相关关系都比较密切的气象因子,分别建立多对多线性回归模型、脉冲响应函数模型、线性差分方程之带输入项的线性自回归模型、人工神经网络模型以及双重筛选逐步回归模型5种马尾松毛虫危害程度分级预报的数学模型。结果表明,运用所建立的5种分级预报模型对预留的4年共16组样本进行预测结果检验,都取得较好的预测效果,其中以线性差分方程之带输入项的线性自回归模型的预测效果最好,人工神经网络模型的预测效果次之,双重筛选逐步回归模型最差。 相似文献
10.
马尾松毛虫精细化预报回归建模试验研究 总被引：4，自引：4，他引：0
《现代农业科技》2015,(18)
通过线性回归、曲线回归、非线性回归、Logistics回归等回归多次建模试验的比较,建立了显著性较高的马尾松毛虫发生量和幼虫高峰期线性预报模型。 相似文献
11.
利用R/S分析法研究密云水库潮河流域大阁水文站1969-2013年的径流数据的变化趋势，以BP神经网络为背景，EEMD分解为辅助，建立分解-重构-预测的组合模型对月径流序列进行预测，利用蝴蝶算法（BOA）优化组合模型，综合得到最优预测模型。结果表明，大阁站年、月径流序列均呈现下降趋势；对月径流序列预测，BPNN预报合格率为60.0%，不能用于预报作业，但可作为参考使用（MAE=0.406，RMSE=0.539，MAPE=0.349 7）；引入BOA算法优化BP网络参数，得到EEMD-BOA-BP模型预报合格率为83.3%，可以用于预报作业（MAE=0.257，RMSE=0.347，MAPE=0.219 5）。通过EEMD分解得到分解-重构-预测组合模型对提高模型精度有一定的作用，同时在组合模型中引入优化算法能进一步提高模型精度。 相似文献
12.
根据灰色系统理论,利用1964~2007年玛纳斯河流域绿洲区5个气象台站逐月气温、降水数据,通过数据质量控制,建立灰色预测GM(2,1)模型预估玛纳斯河流域绿洲区未来3年气温和降水变化情况,并与实际值进行比较。结果表明,采用5年原数据建立模型进行预测相对误差最小,后验差检验结果显示,温度、降水预测模型的方差比均小于0.35,相对误差概率均大于0.95,表示模型精度好,可用于对气温和降水进行预测;预测结果显示,今后3年玛纳斯河流域绿洲区年平均气温逐渐升高,到2010年可能达9.34℃,而降水量呈减小趋势;将预测值与利用一元线性回归方程求得的变化倾向率的结果对比后得出,GM(2,1)对气温预测的结果较好,而对与波动较大的降水序列预测还存在一定弊端。 相似文献
13.
14.
用投影寻踪回归（PPR）技术作害虫预测建模的因子综合和预测，正确率高达80%，说明在害虫预测建模的因子综合和预测中，投影寻踪回归技术是适用的。 相似文献
15.
研究旨在实现逐旬省级和市级的大豆产量预报。利用黑龙江省大豆产量资料分析其时空分布特征;结合各时段气象数据构建温度、降水、日照及综合气候适宜度模型,分析与相对气象产量相关性;构建基于气候适宜度指数的逐旬产量动态预报模型,对黑龙江省大豆产量进行动态预报。结果表明：（1）大豆年均单产空间上从南至北逐级递减,时间上呈年代际变化,各市县年均总产量差距显著,嫩江市大豆产量最高;（2）1995—2015年黑龙江省和嫩江市气候适宜度指数与其对应的大豆相对气象产量显著相关,构建的气候适宜度模型可以客观反映大豆各生长时段内气象条件情况;（3）1995—2015年模型回代检验平均准确率在80%以上,各时段趋势准确年份在12年以上,2017—2019年模型外推预报准确性均超过了85%。建立的产量预报模型可为黑龙江省大豆产量预报提供参考依据。 相似文献
16.
水文期预报对水资源管理、调度及社会的生产、生活具有十分重要的意义。针对常规混沌预测方法的局限性,提出基于混沌理论的自适应模糊推理网络系统的径流时间序列预报方法。该方法径流时间序列被分解为趋势项、周期项和随机项,对随机项进行混沌辨识,然后建立有自适应能力的神经网络模糊推理模型对随机项进行预测,最后将各项线性叠加进行径流预报。实例表明,该方法预测精度较高,具有良好的泛化推广能力。 相似文献
17.
[目的]检验分析GFS和T639模式的气温预报能力。[方法]采用2012年徐州站最高气温和最低气温资料,对GFS模式和T639模式0~168 h最高气温和最低气温预报产品进行检验。[结果]无论是最高气温还是最低气温,GFS和T639 2个模式气温预报产品的预报准确率均随着时效的延长呈现波动下降,夏季最低气温的预报准确率整体上均高于其他季节;各个模式不同季节不同时效的气温预报的偏低率和偏高率明显不同;随着预报时效的增加,2个模式预报气温产品平均绝对误差逐渐增大,但总体上,夏季的误差小于其他季节。总体上来看,GFS模式预报效果优于T639模式。[结论]该研究为预报员合理使用数值预报产品、提高气温的预报准确率提供指导。 相似文献
18.
BAYES多级判别技术在预测蚕豆赤斑病流行程度上的应用 总被引：4，自引：0，他引：4
本文根据Ｂａｙｅｓ多级判别技术，以长江流域蚕豆赤斑病流行程度和气象资料为研究对，３个判别方程，通过对历史资料的回检及独立样本的预测，为害虫种群动态的中长期预测提供了一种的研究方法。 相似文献
19.