马尾松毛虫精细化预报多层感知器建模试验研究

龙源期刊网 http://www.qikan.com.cn

马尾松毛虫精细化预报多层感知器建模试验研究

作者:贺刚 操丙周 张国庆

来源:《现代农业科技》2015年第16期

摘要 经过多次神经网络多层感知器试验,筛选拟合度高的马尾松毛虫精细化预报模型。结果表明:R2均大于0.9,多层感知器马尾松毛虫预报模型要优于径向基函数与回归方法建立的模型。

关键词 马尾松毛虫;精细化预报;多层感知器;神经网络

中图分类号 S763.3;S763.7 文献标识码 A 文章编号 1007-5739(2015)16-0173-01 1 材料与方法

马尾松毛虫发生量、发生期数据来源于潜山县监测数据,气象数据来源于国家气候中心。试验工具采用IBM SPSS Statistics 22中神经网络多层感知器分析工具。 2 结果与分析

2.1 第1代发生面积建模试验

通过试验比较,因子变量选择上一代防治面积、上一代防治效果、卵期极低气温与第1、2龄极低气温,协变量选择卵期降雨量和第1、2龄降雨量建模效果较好,试验结果见表1、图1、图2。可以看出,R2=0.957,模型拟合度高。 2.2 第2代发生面积建模试验

经过多次试验比较,因子变量选择第1、2龄极低气温和上一代防治面积,协变量选择卵期极低气温,分区变量分配个案选择上一代防治效果,试验结果见表2。可以看出,R2=1.000,模型拟合度极高。 2.3 第1代幼虫高峰期建模试验

通过多次试验筛选,因子变量选择成虫始见期和第1、2龄积温,协变量选择第1、2龄平均气温和第1、2龄极低气温,分区变量分配个案选择卵期极低气温,试验结果见表3、图3、图4。可以看出,R2=0.999,模型拟合度高。 2.4 第2代幼虫高峰期建模试验

龙源期刊网 http://www.qikan.com.cn

通过多次建模试验比较,因子变量选择成虫始见期和(下转第179页)

卵期积温,协变量选择卵期平均气温和第1、2龄极低气温,分区变量分配个案选择第1、2龄平均气温,试验结果见表4。结果表明,R2=0.999,模型拟合度高。 3 讨论

通过试验筛选拟合度较高的模型,发现通过多层感知器建立马尾松毛虫预报模型,要优于径向基函数与回归方法建立的模型[1-11]。 4 参考文献

[1] 张国庆.森林健康与林业有害生物管理[J].四川林业科技,2008,29(6):77-80. [2] 张国庆.基于生态论的生物灾害精细化预报理论研究[J].现代农业科技,2014(19):146-150.

[3] 张国庆.基于系统健康管理理论的林业生物灾害精细化预报管理研究[J].现代农业科技,2014(19):197-198.

[4] 张国庆.基于TSE分析理论的林业生物灾害精细化预报技术研究[J].现代农业科技,2014(19):153-155.

[5] 张国庆.基于系统关键因子分析理论的林业有害生物防治关键期分析技术研究[J].现代农业科技,2014(19):199-201.

[6] 张国庆.马尾松毛虫精细化预报建模变量筛选[EB/OL].(2015-06-28)[2015-06-30].http://blog.sciencenet.cn/home.php?mod=space&uid=3344&do=blog&id=901156. [7] 张国庆.马尾松毛虫精细化预报回归建模试验[EB/OL].(2015-06-28)[2015-06-30].http://blog.sciencenet.cn/home.php?mod=space&uid=3344&do=blog&id=901157. [8] 张国庆.马尾松毛虫精细化预报径向基函数建模试验[EB/OL].(2015-06-28)[2015-06-30].http://blog.sciencenet.cn/home.php?mod=space&uid=3344&do=blog&id=901158. [9] 张国庆.马尾松毛虫精细化预报多层感知器建模试验[EB/OL].(2015-06-28)[2015-06-30].http://blog.sciencenet.cn/home.php?mod=space&uid=3344&do=blog&id=901162.

[10] 张国庆.生物灾害精细化预报算法试验研究[EB/OL].(2015-06-28)[2015-06-30].http://blog.sciencenet.cn/home.php?mod=space&uid=3344 &do=blog&id=901163.

龙源期刊网 http://www.qikan.com.cn

[11] 张国庆.生物灾害精细化预报理论基础与技术集成[EB/OL].(2015-06-28)[2015-06-30].http://blog.sciencenet.cn/home.php?mod=space &uid=3344&do=blog&id=901164.

联系客服:779662525#qq.com(#替换为@) 苏ICP备20003344号-4