基于人工神经网络的马尾松毛虫发生量预测模型的研究

被引:41
作者
陈绘画
朱寿燕
崔相富
机构
[1] 浙江省仙居县林业局
[2] 浙江省仙居县气象局
[3] 浙江省仙居县林业局 浙江仙居 
[4] 浙江仙居 
关键词
马尾松毛虫; 人工神经网络; 发生量; 预测预报; BP模型;
D O I
10.13275/j.cnki.lykxyj.2003.02.007
中图分类号
S763 [森林病虫害及其防治];
学科分类号
0904 ;
摘要
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%。
引用
收藏
页码:159 / 165
页数:7
相关论文
共 13 条
[1]   稻瘿蚊发生趋势的B—P网络预测模型 [J].
孙凡 ;
陈汉容 .
计算机仿真, 2000, (03) :61-63
[2]   基于人工神经网络的农业病虫害预测模型及其效果检验 [J].
李祚泳 ;
彭荔红 .
生态学报, 1999, (05) :3-5
[3]   模糊聚类分析在林业害虫测报中应用的研究 [J].
薛贤清 ;
杨幺明 ;
史顺平 ;
池信佃 .
广东林业科技, 1986, (05) :1-6
[4]   微电脑在马尾松毛虫预测预报中的应用 [J].
江土玲 ;
金崇华 .
森林病虫通讯, 1986, (03) :23-24
[5]   在马尾松毛虫测报中应用逐步回归电算方法的研究 [J].
薛贤清 .
林业科学, 1984, (01) :42-49
[6]   马尾松毛虫定量测报的判别分析模型 [J].
薛贤清 ;
冯晋臣 ;
张石新 ;
池信佃 ;
翁少容 ;
陈建寅 ;
王震南 .
南京林业大学学报(自然科学版), 1982, (01) :134-153+164
[7]  
松毛虫综合管理..陈昌洁;.中国林业出版社.1990,
[8]  
MATLAB神经网络应用设计.[M].闻新等编著;.科学出版社.2000,
[9]  
人工神经元网络及其应用.[M].袁曾任编著;.广西科学技术出版社.1999,
[10]  
面向MATLAB工具箱的神经网络理论与应用.[M].丛爽编著;.中国科学技术大学出版社.1998,