共查询到20条相似文献，搜索用时 78 毫秒
1.
2.
松纵坑切梢小蠹预测预报研究 总被引：3，自引：1，他引：2
纵坑切梢小蠹预测预报研究，采用聚集信息素诱集法，有效虫口基数法，云南松物候观测法进行发生期及发生量中短期预测，准确率达到８５％以上，在此基础上建立了发生期及发生量的计算机预测模型。 相似文献
3.
分月扇舟蛾(Clostera anastomosis L.)是杨树主要的食叶害虫,通过4年的试验研究,我们对越冬代,第1代幼虫防治指标进行了测定。发生期测报采用物候法、温度指标、历期法及有效积温法,发生量测报通过有效基数调查和查蛹、查卵方法对越冬代和第一代幼虫分别进行预测。 相似文献
4.
5.
光肩星天牛预测预报方法初报 总被引：1，自引：0，他引：1
该文较详细地介绍了光肩星天牛Ａｎｏｐｌｏｐｈｏｒａ ｇｌａｂｒｉｐｅｎｎｉｓ Ｍｏｔｓｃｈｕｌｓｋｙ的虫情调查方法和预测预报方法。发生期和发生量的调查方法操作性强，适用于县、乡一级虫情调查同及测报员。期距法和回归法对害虫发生期的预测预报、有效基数法和多元回归法对害虫发生量的预测预报具有较高的精度，适用于市、县中心测报点。 相似文献
6.
该文研究了杨细蛾在新疆阿勒泰地区河谷林的发生与环境的关系，并采用物侯法，有效积温法，历期推算法对该虫成虫，卵，幼虫的发生期进行预测，以成虫或卵为基数预测３龄幼虫发生量，提出了加强营林措施，保护天敌及使用４０％氧化乐果，８０％敌敌畏或用５０％杀螟硫磷，５０％倍硫磷乳油的稀释液防治幼虫，用敌马烟剂或使用７４１插管烟剂防治成虫等防治方法。 相似文献
7.
8.
9.
该文较详细地介绍了光肩星天牛Ａｎｏｐｌｏｐｈｏｒａ ｇｌａｂｒｉｐｅｎｎｉｓＭｏｔｓｃｈｕｌｓｋｙ 的虫情调查方法和预测预报方法。发生期和发生量的调查方法操作性强,适用于县、乡一级虫情调查员及测报员。期距法和回归法对害虫发生期的预测预报、有效基数法和多元回归法对害虫发生量的预测预报具有较高的精度,适用于市、县中心测报点。 相似文献
10.
落叶松腮扁叶蜂是内蒙古大兴安岭林区落叶松重要食叶害虫之一。通过对其生物学特性及影响其种群数量的有关因子的系统研究,应用一元回归预测法和发生期期距预测法,可以对同一虫态间或不同虫态间发生期的始、盛、末进行预测;根据害虫发生量与上一代害虫虫口基数有密切的关系,采用有效虫口基数法,即可预测出翌年林分幼虫的发生量及危害等级,即为防治提供了可靠依据,又为该虫的种群动态模型的建立奠定了基础。 相似文献
11.
鉴于需求预测在企业经营活动中的重要作用及其影响因素的多样性，对企业实际需求预测的方法、过程、系统、管理等问题进行梳理和分析，指出通过优化需求预测方法、完善需求预测系统、改进需求预测管理，可有效控制需求预测和对未来市场预测的偏差，从而提高需求预测的准确性，促进企业生产和销售的良性运行。 相似文献
12.
林火预测预报是综合气象要素、地形、可燃物的干湿程度、可燃物类型特点和火源等，对森林可燃物燃烧危险性进行分析预测，天气预报的准确性直接影响林火预报的准确性。林火预测预报分为火险天气预报、林火发生预报和林火行为预报。林火预测预报从20世纪20年代迄今，已有80余年的历史，在世界各国发展很快。林火预报研究中的关键问题是主要因子的选择和预报因子的测定。林火预测预报主要方法有：经验法、数学方法、物理方法、野外实验法和室内测定法等。 相似文献
13.
运用人工神经网络的原理和方法，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，虫株率相关关系密切的气象因子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，虫株率与气象因子的BP网络模型。结果表明，所建立的各BP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15个，预报因子数为8个时，2组预留有虫面积的2a平均预测误差为3.15%，虫口密度BP模型的隐层神经元个数为8个，预报因子数为6个时，预留样本的平均预测误差为5.91%，虫株率BP模型的隐层神经元个数为4个，预报因子数为5个时，预留样本的平均预测误差为10.65%。 相似文献
14.
15.
森林害虫测报专用电码及其电脑信息化的研究薛贤清，张毅彪，王正义（南京林业大学南京２１００３７）关键词森林害虫测报，专用电码，专用电报，模式电报，电脑信息化目前我国各级森防系统的森林害虫测报资料传递，主要依靠信函。由于途中周折时间长，严重影响森林害虫测... 相似文献
16.
应用灰色预测方法,在较少数据条件下,确定了林木生长量预测模型,在理论和技术上较好地解决了林木生长量的预测难题。在实践中利用所得数学模型,预测了林木生长量树高的未来生长状态,结果表明,预测模型有较高精度,验证了灰色预测方法在林木生长量预测中应用的正确性,有较强的实际应用价值。 相似文献
17.
18.
基于过程神经网络的木材生长轮密度预测 总被引：1，自引：0，他引：1
提出一种基于过程神经网络的木材生长轮密度长期预测方法.本方法利用输入输出均为时变函数的过程神经网络输出为时变函数的特点,将原始数据拟合为输入函数并表示为一组正交基的展开形式后,使用混合遗传算法训练过程神经网络,得到过程神经网络的输出函数,以此实现木材生长轮密度的一次多步长期预测,通过与传统时间序列预测方法比较,预测精度得到显著提高,并为时间序列长期预测问题提供新方法. 相似文献
19.
20.
应用人工神经网络的原理和方法,结合主要林分因子建立林分出材率预测的多层神经网络模型。检验结果表明:所建立的预测模型,平均预测精度达到96.45%,可以对林分出材率作出准确有效的预测。 相似文献