利用多因子综合相关法预测二化螟的发生量

<正> 二化螟的发生量是多因子影响的结果。然而,多因子的综合利用回归分析法太麻烦,如果用综合相关法(朱伯承,1975)来分析就容易得多。这里所谈多因子综合相关法的基本原理是对预报量在各种因子作用下出现的概率作出估计。在估计一种因子对预报量所起的作用时,是看它在一定的水准上预报量出现某种等级的概率,然后将各种可能的概率综合起来,以便从各种因子的不同等级水准的变化,推算预报量等级的概率,这种方法的优点是计算简单。     

模糊数学综合评判麦蚜发生量(程度)预测预报技术的研究

麦蚜是常发性害虫,也是影响小麦生产的一类主要害虫。当地主要为害种类有：麦长管蚜Macrosiphumavenac（Fabricius）、麦二叉蚜Schizaphisgraminum（Rondani）、禾缢管好RhopalosiphumPadi（L．）等。麦蚜的发生为害受自然环境诸多因素的影响,综合分析其发生规律和主要影响因素,均属于模糊信息和模糊概念。用模糊数学（Fuzzymachenatics）的方法处理模糊概念、信息,从而求得数量规律。这就把经验预报的模糊指标转化为定量指标,沟通了定性和定量表示的联系,然后作出较精确的判断。我们对天水地区12年（1979～1990年）麦蚜发生量（…     

冀南麦区麦蚜发生期、发生量的预报研究

本文以冀南麦区麦蚜百株蚜量达500头日期做为发生期预报量,采用模糊数学因子权重综合评判方法进行预报,发生期历史符合率达100％,发生量历史符合率88.9％,两年试报准确。     

棉铃虫年发生量长期预报多因子相关试测

<正> 为了提高棉铃虫年发生量长期预报的准确性,笔者将本所(赣北州地)多年测报观察的数据资料进行多因子综合相关试测。现整理报告如下。 一、多因子综合相关试测的计算 (一)全年20瓦黑光灯下棉铃虫蛾量 经综合分析和两数相关系数的“显著”性测定,笔者认为影响全年20瓦黑光灯下棉铃虫蛾量长期预报的因子虽较复杂,然其主要的有当年1月上旬降雨量,3月中旬平均气温,5月上旬平均气温,5月中旬降雨量等(表1)。 经两数相关分析及计算两数相关直线回归预测式其结果见表2。     

二、三代棉铃虫发生量预测方法研究初报

<正> 棉铃虫Heliothis armigera(Hubner)是我县棉花上的主要害虫之一。由于本地作物布局和耕作制度的原因,第一代棉铃虫主要集中在苕子留种田内产卵为害;二代主要在春玉米上;三、四代集中在棉花上为害。并以三代为害损失最大。一般年份产量损失一成左右,大发生年产量损失高达三、四成,对棉花高产稳产影响很大。目前,棉铃虫发生期预测方法较多,预测效果也较好,但发生量预测尚在摸索之中。因为棉铃虫的发生量受多种因素影响,因此发生量预报的准确性,主要依赖于选择预报因子是否确当。我站通过8—9年的调查材料研究分析,选择前代发生基数、天敌寄生和气候状况为预报因子,利用生物统计的方法,探求棉铃虫二、三代的发生量预测公式,现将这方面情况整理报告如下。     

麦长管蚜发生期预测的研究

麦长管蚜Macrosiphumavenae（Fabr-icius）是我地小麦穗期的主要害虫,每年都有不同程度的发生。受虫源、气候等因素的影响,其发生期（穗蚜量达500头的日期）不同年份间差异很大。为了及时准确作出预报,指导防治,笔者应用模糊因素加权综合评判法对麦长管蚜发生期预测进行了研究,现将结果报告如下。1研究方法1．1选取预报因子麦长管蚜的发生期主要受温度、降雨量等气候因素的影响。笔者对本站1982～1994年13年的系统观测资料进行整理分析,筛选出与发生期相关性较好的预报因子2个：X1,3月下旬～4月上旬平均气温（℃）,相关系数r1y＝…     

麦长管蚜发生量预测预报方法的研究

本文应用我市10年资料,分别把小麦抽穗期(5月上旬)和灌浆末期(5月下旬)麦长管蚜发生量作为预报量,首先采用相关系数法选出(1)抽穗期蚜量预报因子:冬前秋苗期虫源基数(x_1);1月份平均气温(x_2);4月中旬降雨量(x_3)。(2)灌浆末期蚜量预报因子:5月上旬温雨系数(x_1);抽穗期蚜量基数(x_2)。然后分别采用“多因子简化综合相关法”和“模糊列联表法”进行预报,经回报检验,11年准确率分别为90.9％和86.4％,均明显高于经验预报,具有较好的实用价值。     

农作物害虫预测预报的多因子综合相关法

农作物害虫的发生是由各方面因子决定的,因此在进行害虫预测预报时必须要考虑各方面因子的作用。 本文介绍多因子综合相关的预报方法,把预报量和各预报因子按一定标准化为若干级,用特征资料“0,1”表示之。经直接分析各因子与预报量的“单相关”建立预报方程。     

分级统计法预报昆虫发生期和发生量

<正> 分级统计法就是预报量和预报因子分为多级。用数理统计预报昆虫发生期和发生量的一种统计预报方法。这个方法运算简便,易学易懂,且预报准确率较高,值得推行。 一、基本原理 将预报因子x分成k级(k=1,2,3,…,s),预报量y分成l级(l=1,2,3,…,s),然后把历年测报数值,按预报要素(预报因子和预报量通称谓预报要素,简称要素)分级标准演化为分级表,组建x_1;x_2,…x_m的列联表,在列联表的基础上计算概率贡献进行预报。 第j个预报因子对预报量y处于l级的概率贡献公式为:     

苏北沿海垦区麦粘虫发生量的预测预报

<正> 麦粘虫Mythimna separata(Walker)在苏北沿海垦区,常年发生量较大,大发生的频率较高,是三麦上的主要害虫。提前作出麦粘虫发生量的准确预报,是经济防治麦粘虫的关键。笔者对我场植保植检站1973～1988年16年的历史资料进行分析,结果表明,麦粘虫的发生量与     

用Fuzzy综合评判三代玉米螟有虫株率

<正> 近几年来,我们用模糊数学(Fuzzy)来研究和处理病虫预报中的一些模糊现象,并用其预测二代玉米螟的有虫株率。实践证明,此法不仅适宜,还能较好地把人们的经验吸收进去,颇有应用价值。 一、预报因子的筛选及划级 影响三代玉米螟有虫株率(y)的因子较多,我们将平时经验所获得的13个因子、21年     

训练迭代法预测水稻一代三化螟蛾发生量

根据武平县18年历史资料,选取与一代三化螟蛾发生量关系密切的4个气象因子,采用训练迭代法组建一代三化螟蛾发生量的预报方程,并对1985年实例进行预报,结果发生量属偏轻发生年,其实理论值与实测值相吻合。本文除介绍该方法应用步骤以外,还讨论了应注意的几个问题。     

多因子综合相关法的简化——条件频率法

<正> 《农作物害虫预测预报的多因子综合相关法》(朱伯承1975昆虫学报第18卷第4期),以下简称综合相关法。此法最大的优点是无需解多元线性代数方程组,经直接分析各因子与预报量的“单相关”,即可建立预报方程。这种方法发表后,我们进行过试用,方法和效果是肯定的。但应用此法除需要逐一计算各个单相关外,特别是需要计算其常数项(b)及系数项(b_(lk)~l),从而建立预报方程(P_l)及进行“0,1”特征处理,计算虽然较简单,但较繁锁,稍不留心,容易搞错。而条件频率法是多因子综合相关法的简化,它比综合相关法更简便、易学,其效果和综合相关法是完全一样的。介绍如下。     

运用模糊数学预测棉花苗期棉蚜发生量

棉蚜AphisgossypiiGlover在我国北方棉区年年为害较重。为此本人对棉蚜发生量进行了研究。现将研究结果整理如下。1资料整理1．1筛选预报因子据我站1982～1994年棉花苗期棉蚜的系统观察资料,以棉花苗期棉蚜发生高峰日期的蚜量为预报因子（l年间高峰期在5月15～对日）,用单因子相关系数法,从14个预报因子中筛选出影响棉蚜发生量y的两个主要因子：4月份平均气温x1(y1=0．7258,P＜O．O1）和4月份降雨量x2=(r2=0．7123,P＜O．01）,原始资料见表1。1．2预报要素分级预报要素确定后,采用点聚图法,不等距分级,将x1、x2和y分为5级,见表…     

马尾松毛虫幼虫高峰期发生量的预测模型研究

【目的】为了提高马尾松毛虫Dendrolimus punctatus Walker发生量预测预报结果的准确性,为选用合适的预测模型提供依据。【方法】本文用平稳时间序列法、回归预测法、BP神经网络法、马尔科夫链法和列联表多因子多级分析预测法研究建立安徽省潜山县1983—2016年33年的马尾松毛虫1代和2代幼虫高峰期发生量的预测模型,并对5种模型进行比较。【结果】以卵高峰期卵量为自变量的回归模型、多元回归模型和逐步回归模型预测结果与实际值相差0.21~0.31头/株,其它8个一元回归预测结果与实际值相差1.06~1.58头/株。平稳时间序列预测2015和2016年的结果与实际值完全相符。BP神经网络预测结果若以误差标准为1头/株,1983—2014年预报准确率1代为90.32%,2代为100%。马尔科夫链预测2015和2016年,预测结果与实际值完全相符,均为1级。列联表多因子多级综合相关分析法预测2015和2016年的结果与实际值完全相符,1983—2014年1代幼虫高峰期发生量预测的历史符合率均为90.32%,2代为83.47%。为了研究不同分级标准对预测值的影响,将2代幼虫高峰期发生量的1级标准改为小于3.5头/株,则历史符合率为74.19%。【结论】上述方法中,回归预测法自变量的选择是预报准确的关键;时间平稳序列法适用于害虫发生过程符合平稳时间序列的标准;马尔科夫链法和列联表分析法分级标准科学与否直接影响预测结果的准确性;BP神经网络法可用于自变量与预报量非线性关系的研究,是一种比较理想的预报方法。     

农作物害虫“0,1”型预报的因子筛选方法

<正> 影响农作物害虫发生发展的环境因素很多(马世骏,1978)。如何选出对害虫发生有密切联系的主要因子是作好害虫预测预报的重要一环。以前研究过的符号法(朱伯承,1978)虽有简单易作的优点,但选择的结果是比较粗糙的。本文首先谈谈衡量因子优劣的标准——拟合率,接着提出筛选因子的一些基本原则,然后介绍“0,1”型预报的二种不同的因子筛选方法。     

支持向量机在害虫发生量预测中的应用

害虫发生量与其影响因子之间具有复杂的非线性和时滞性关系,传统方法不能很好的分析和拟合高度非线性的害虫发生量变化规律,导致预测精度不理想。为了有效构建害虫发生量与其影响因子之间复杂的非线性关系模型,提高害虫发生量预测精度,提出一种基于支持向量机的害虫发生量预测方法。该方法首先通过F测验对害虫发生量的最佳时滞阶数进行确定,并利用最佳时滞阶数对样本进行重构;然后利用前向浮动因子筛选法对害虫发生量的影响因子进行筛选,筛选出对预测结果贡献大的影响因子;最后采用10折交叉验证得到害虫发生量的最优预测模型。采用粘虫的幼虫发生密度数据在Mat-lab7.0平台下对该方法进行测试与分析,实验结果表明,相对于其它预测方法,支持向量机提高了害虫发生量的预测精度,克服了传统方法的缺陷,更适合于非线性、小样本的害虫发生量预测。     

模糊综合评判法在斜纹夜蛾预测预报上的应用

通过分析多年斜纹夜蛾灯下虫量、田间虫量以及气象资料,采用模糊综合评判的原理和方法,组建了斜纹夜蛾发生量模糊综合评判模型。应用该模型对2006年和2007年斜纹夜蛾田间发生量进行预测,预测结果与田间发生实况基本相符。     

条件频率法的改进──加权频率法

条件频率法和综合相关法[1,2]都是将预报因子对预报对象的作用等同对待。在许多实际问题中,各预报因子所起的作用往往是不同的,用条件频率法或综合相关法来预测,无疑会影响其预报的准确性。为了解决这一问题,作者在本文中提出了一种新的简便预测方法──加权频率法。1基本原理与方法首先将原始资料依据分级标准进行分级。设有m个预报因子工人xj（j=1,2,……,m）分为s级,预报对象y分为r级。然后根据各预报因子与预报对象分级数码制作额数列联表,将xj处于k（k=1,2,……,s）级时的总个数,以nk·表示;将xj处于k级时,y=1（1=1,2…     

病虫发生程度预报质量评估方法

介绍了对病虫发生程度预报质量进行评估的统计检验方法———McNemar检验和Kappa检验,以及这2种检验方法的原理、假设检验和统计学意义。结合2个实例来说明2种统计检验方法在病虫发生程度预报质量评估中的应用,分析结果表明McNemar检验、Kappa检验能对病虫发生程度预测质量给出更加有效、准确的评估。