三化螟和斑潛蠅發(fā)生預測模型研究與應用.pdf

1、在農業(yè)生產中，農作物害蟲的常年發(fā)生給農作物生產帶來嚴重影響，是造成農作物減產的重要原因。為了有效地對農作物害蟲進行防治，人們對農作物害蟲發(fā)生預測方法進行了長期研究，目前主要的預測方法有經驗預測、實驗預測、統(tǒng)計預測和信息預測。近年來，隨著非線性科學、信息技術和人工智能技術的發(fā)展，作為主要的農作物害蟲發(fā)生預測方法之一的信息預測研究，越來越引起關注。
　　 針對農作物害蟲發(fā)生預測問題，本文采用了逐步回歸分析、聚類分析、主成分分析方法(

2、PCA)，應用了反向傳播人工神經網絡(BPANN)、時態(tài)地理信息系統(tǒng)(TGIS)等技術，以水稻常見害蟲三化螟(Scirpophaga incertulas)、蔬菜常見害蟲斑潛蠅(Liriomya Huidobresis，Blanchard)為研究對象，對農作物害蟲發(fā)生的預測模型和信息預測技術進行了研究，得出了基于逐步回歸分析的農作物害蟲發(fā)生預測模型和基于PCA/BPANN的農作物害蟲發(fā)生預測模型，并對基于時態(tài)GIS的農作物害蟲發(fā)生信息預

3、測系統(tǒng)進行了初步研究。主要的研究內容和成果如下：
　　 1、本文首先基于線性科學，利用逐步回歸分析方法建立了農作物害蟲發(fā)生預測模型，并利用云南省建水縣三化螟和斑潛蠅發(fā)生情況對模型進行了檢驗。結果表明，(1)通過逐步回歸方程的建立，可找出影響兩種害蟲發(fā)生量的主要氣象因子，并可在一定程度上對害蟲的發(fā)生趨勢進行分析。(2)兩種害蟲的逐步回歸方程的復相關系數(shù)不超過0.7，可以看出利用逐步回歸方程對三化螟和斑潛蠅發(fā)生量做定量預測時，具有一

4、定局限性。
　　 2、本文針對農作物害蟲發(fā)生預測模型中，原始數(shù)據(jù)常存在誤差的問題，提出了先應用聚類分析方法對原始數(shù)據(jù)進行預處理，在保證原始數(shù)據(jù)真實有效的前提下，有效地提高了原始數(shù)據(jù)的可靠性；其次，針對BP人工神經網絡輸入因子過多時運算復雜、難以收斂的問題，利用主成分分析方法中降維的思想，把影響農作物害蟲發(fā)生的多個影響因子轉化為少數(shù)幾個綜合因子，在保證影響因子全面性的情況下，減少了BP人工神經網絡的輸入數(shù)據(jù)量，提高了預測模型的運算

5、速率和預測精度。
　　 3、通過對農作物害蟲發(fā)生規(guī)律、影響因素相關性、原始數(shù)據(jù)可靠性、BP人工神經網絡在輸入因子過多時運算復雜等問題的分析研究，將聚類分析方法、主成分分析方法和BP人工神經網絡技術相結合，給出了一個基于PCA/BPANN的農作物害蟲發(fā)生預測模型，并利用云南省建水縣三化螟和斑潛蠅的調查數(shù)據(jù)對模型進行了檢驗。結果表明，該模型預測效果較好，穩(wěn)定性較強。
　　 4、對基于逐步回歸分析方法的農作物害蟲發(fā)生預測模型和

6、基于PCA/BPANN的農作物害蟲發(fā)生預測模型進行比較研究。本文分別利用逐步回歸分析方法和PCA/BPANN技術建立了農作物害蟲發(fā)生預測模型，并利用云南省建水縣三化螟和斑潛蠅的調查數(shù)據(jù)分別對以上兩種預測模型進行檢驗。結果表明，針對農作物害蟲發(fā)生的實際情況，考慮了非線性性質的PCA/BPANN農作物害蟲發(fā)生預測模型比只考慮線性性質的逐步回歸分析方法的農作物害蟲發(fā)生預測模型具有更好的預測效果。
　　 5、將時態(tài)GIS技術應用于農作物