基于深度学习的小麦蚜虫预测预警

被引：7

作者：

王秀美 ^{[1
,2
]}

牟少敏 ^{[1
,2
]}

邹宗峰 ^{[3
]}

时爱菊 ^{[4
]}

机构：

[1] 山东农业大学信息科学与工程学院

[2] 山东农业大学农业大数据研究中心

[3] 山东省烟台市农业技术推广中心植保站

[4] 山东农业大学化学与材料科学学院

来源：

江苏农业科学 | 2018年 / 46卷 / 05期

关键词：

深度信念网络; 小麦蚜虫; 预测预警; 支持向量回归; BP神经网络;

D O I：

10.15889/j.issn.1002-1302.2018.05.049

中图分类号：

S435.122.2 [];

学科分类号：

090401 ; 090402 ;

摘要：

小麦蚜虫对小麦的产量和品质影响较大,为及时准确地掌握小麦蚜虫的发生情况,提高小麦蚜虫预测的准确率,将深度信念网络用于小麦蚜虫的短期预测,并对小麦蚜虫发生量以及发生程度进行预测。使用的深度信念网络预测模型含2个隐藏层,通过无监督逐层预训练对网络参数进行初始化,并用有监督微调对网络参数进一步优化,提高预测准确率。最后在国际标准数据集(university of californiairvine,简称UCI)和小麦蚜虫数据集将深度信念网络与支持向量回归(support vector regression,简称SVR)、BP(back propagation)神经网络进行对比试验。结果表明,与浅层学习模型相比,深度信念网络的预测误差较小、推广能力强,可以为小麦蚜虫的防治提供及时有效的指导。

引用

页码：183 / 187

页数：5

共 15 条

[1] 基于深度信念网络的PM2.5预测 [J].

郑毅 ;

朱成璋 .

山东大学学报(工学版), 2014, 44 (06) :19-25

[2]

Forecasting late blight in potato crops of southern idaho using logistic re- gression analysis. Donna H,Christopher J W,Jeffrey S M. Plant Disease . 2007

[3]

Deeply learned face representations are sparse,selective,and robust. Sun Y,Wang X,Tang X. 2015 IEEE Conference on Computer Vision and Pattern Recognition (CVPR) . 2015

[4]

李文忠公全集.朋僚函稿.复丁稚璜宫保. .

[5]

A new learning algorithm for mean field Boltzmann machines. Welling,M,Hinton,G.E. Artificial Neural Networks—ICANN 2002 . 2002

[6] 基于深度学习的航空飞行器故障自助检测研究 [J].