共查询到20条相似文献,搜索用时 93 毫秒
1.
基于人工神经网络的刚竹毒蛾发生面积的预测模型 总被引:1,自引:0,他引:1
根据神经网络的基本原理,结合福建省尤溪县气象因子及刚竹毒蛾发生面积的实测数据,建立神经网络模型。结果表明:所建立的BP神经网络模型,具有满意的拟合精度和预测精度。2个预留调查点的平均预测精度达96.55%,预测准确率为100%。 相似文献
2.
3.
4.
对于一些复杂的农业生态系统,人们对其生态过程了解较少,且这些系统的不确定性和模糊性较大,用传统的方法难以模拟这些系统的行为,神经网络模型因为能较精确地模拟这些系统的行为,而引起生态学者们的广泛兴趣。该文着重介绍了误差逆传神经网络模型的结构、算法及其在农业和生态学中的应用研究。误差逆传神经网络模型一般采用三层神经网络模型结构,三层的神经网络模型能模拟任意复杂程度的连续函数,而且因为它的结构小而不容易产生与训练数据的过度吻合。误差逆传神经网络模型算法的主要特征是:利用当前的输入误差对权值进行调整。在生态学和农业研究中,误差逆传神经网络模型通常作为非线性函数模拟器用于预测作物产量、生物生产量、生物与环境之间的关系等。已有的研究表明:误差逆传神经网络模型的模拟精度要远远高于多元线性方程,类似于非线性方程,而在样本量足够的情况下,有一定的外推能力。但是误差逆传神经网络模型需要大量的样本量来保证所求取参数的可靠性,但这在实际研究中很难做到,因而限制了误差逆传神经网络模型的应用。近年来人们提出了强制训练停止、复合模型等多种技术来提高误差逆传神经网络模型的外推能力,也提出了Garson算法、敏感性分析以及随机化检验等技术对误差逆传神经网络模型的机理进行解释。误差逆传神经网络模型的真正优势在于模拟人们了解较少或不确定性和模糊性较大系统的行为,这些是传统模型所无法实现的,因而是对传统机理模型的重要补充。 相似文献
5.
半干旱区春小麦生长系统的人工神经网络模型与产量预测 总被引:1,自引:0,他引:1
以半干旱区春小麦生长系统为研究对象。探讨了作物生长系统中水分、土壤养分等生态因子的时空变化特征及春小麦产量形成机制,应用人工神经网络方法建立了半干旱区春小麦生长系统的产量随环境因子变化的神经网络模型,并与传统的CTM模型进行了比较。模拟结果表明,人工神经网络模型可适用于半干旱区春小麦生长系统产量随环境因子变化规律描述,且优于传统模型,从而为春小麦产量预测提供了新的途径,也为作物生态系统的人工调控提供了新的模式与定量依据。 相似文献
6.
利用广西45个农业病虫测报站1988—2012年稻飞虱发生等级及1987—2012年气象要素、大气环流特征量等资料,采用模糊聚类分析、BP人工神经网络等方法,将广西早稻稻飞虱发生等级分为桂东、桂西南和桂西北3个区域,分别对各区域稻飞虱发生等级进行预测。结果表明:各区域稻飞虱发生等级与气象要素及大气环流密切相关,冬春季气温高、雨日多、湿度大、光照少等因素均利于稻飞虱发生,副热带高压、印缅槽和西南气流等均对稻飞虱发生等级有影响;各区域稻飞虱发生等级序列从冬春季气象要素、大气环流特征量中选择初选预测因子,对初选预测因子作EOF展开构造综合预测因子,分区建立预测模型并进行交叉检验表明,3个区域的人工神经网络模型平均拟合绝对误差比逐步回归模型分别小0.07、0.1和0.02,2011、2012年独立样本预测试验表明,人工神经网络模型和逐步回归模型的实际预测绝对误差为0.42和0.5,可见稻飞虱发生等级的BP人工神经网络预测模型比传统逐步回归模型有更好的拟合和预测效果,为稻飞虱与气象要素之间的非线性关系研究开拓新的思路。 相似文献
7.
运用BP人工神经网络预测长江中下游梨黑星病发病的研究 总被引:6,自引:3,他引:3
提出了运用人工神经网络技术进行梨黑星病预测的新思路,并以梨黑星病发病的主要影响因素,即上年7月的降水量和上年8月的降水量作为训练样本模式提供给网络,按照误差逆传播网络的学习规则对网络进行训练,经过计算机2844次学习后,网络达到预先给定的收敛标准,使网络具备了预测梨树黑星病流行趋势和流行强度的功能。检验结果表明,该方法性能良好,预测准确率高,可望成为果树病早害预测预报的有效辅助手段。 相似文献
8.
9.
10.
根据良好农业规范标准的要求,结合出口型德国小香葱的质量安全要求,对德国小香葱生产过程中的病虫害的综合控制进行了阐述。 相似文献
11.
人工红树林的生长与病虫害防治的研究 总被引:5,自引:0,他引:5
为了配合“十五”863项目研究红树林修复海水滩涂养殖水的营养污染,在深圳海上田园旅游区的科技试验区鱼塘构筑种植岛种植一年生红树植物海桑(Sonneratia caseolarisL.)、桐花树(Ageiceras corniculatum(L.)Blanco)、秋茄(Kandelia candelL.Druce)并监测了解其生长发育的情况及物候期;掌握危害红树林植物生长的主要病虫害.结果表明,海桑生长速度快,各生长形态指标都远大于秋茄和桐花树,并且具有良好的抗逆特性但怕冷冻.秋茄生长速度慢,对环境的适应能力差,怕水淹,成活率最低;桐花树抗逆性强,成活率最高.红树林植物幼龄时期容易受到病虫害严重威胁,要做好防治工作,保证红树林植物的健康生长. 相似文献
12.
广西杧果病虫害调查初报 总被引:1,自引:0,他引:1
对广西24个市(县)杧果病虫害进行了系统的调查。发现病害有20种,主要为白粉病、炭疽病、细菌性角斑病、蒂腐病等,其中杧果水泡病、杧果畸型病和杧果红点病为国内新发现的杧果病害;发现害虫94种,隶属于8目38科,主要为杧果小齿螟Pseudonoorda minor Munroe、杧果横线尾夜蛾Chlumetia transversa Walker、杧果茶黄蓟马Scirtothrips dorsalis Hood、桔小实蝇Dacus dorsalis Hendel、杧果扁喙叶蝉Idioscopus incertus Baker等。腹足纲有害生物1种。 相似文献
13.
14.
15.
Keyvan Asefpour Vakilian Jafar Massah 《Archives Of Phytopathology And Plant Protection》2013,46(11):1262-1269
Feature extraction is a crucial part of advanced image recognition systems. In this research, an autonomous detection device was designed and developed for insect pest detection to improve the ability of intelligent systems in order to annihilate harmful insect pests in agricultural crop fields. Device included a dark chamber, a CCD digital camera, a LDR lightening module and a personal computer. The proposed programme for precise insect pest detection was based on an image processing algorithm and artificial neural networks (ANNs). After image acquisition, the insect pests’ images were extracted from original images with Canny filtration. Afterwards, four morphological and three textural features from the obtained images were measured and normalised. Performance of ANN model was tested successfully for Beet armyworm (Spodoptera exigua) recognition in images using back-propagation supervised learning method and inspection data. Results showed that proposed system was able to identify S. exigua in the images from other species. Such this machine vision system can be used in autonomous field robots to achieve a modern farmer’s assistant. 相似文献
16.
17.
18.
19.
生态系统响应气候变化脆弱性的人工神经网络模型评价 总被引:31,自引:3,他引:31
生态系统的脆弱性评价对于生态系统的管理具有重要作用。在分析生态系统脆弱性特征和影响因素的基础上 ,构建了针对森林和草地生态系统的脆弱性评价指标体系 ,涵盖了生态系统的结构、功能和生境 3个方面 ,评价指标分别是物种多样性、群落覆盖度、NPP、建群种年生长量、地表干燥度以及土壤有机碳等。评价系统将生态系统的脆弱性划分为轻微脆弱、中度脆弱、重度脆弱以及系统崩溃 4级。作为案例研究 ,构建了结构和性能优化的多层感知器 ,评价了温带落叶阔叶林生态系统的脆弱性。结果表明 ,通过人工神经网络模型评价生态系统的脆弱性是一条可行的途径 相似文献