基于小波神经网络的麦蚜发生量预测研究.docVIP

基于小波神经网络的麦蚜发生量预测研究 摘 要：以1979―2014年麦蚜历年发生量及气象数据为基础，采用逐步回归法筛选出对麦蚜发生量影响最大的气象因子，以筛选出的气象因子和1979―2009年麦蚜发生量作为训练集建立了小波神经网络预报模型，用该模型对2010―2014年麦蚜发生量进行预测，结果显示， 小波神经网络预报模型的预报结果较准确。 关键词：小波神经网络;发生量;预测 中图分类号：S435.122+.2 文献标识码：A DOI 编码：10.3969/j.issn.1006-6500.2015.04.030 Study on the Prediction of Occurrence Quantity of Wheat Aphids Based on Wavelet Neural Network JIN Ran，LI Sheng-cai （Agronomy College，Shanxi Agricultural Unversity，Taigu，Shanxi 030801，China） Abstract： Baesd on the Wheat Aphids and meteorological data of 1979―2014， meteorological factors that influenced the maximum amount of wheat aphids occurred were screened by stepwise regression method， and then taking the meteorological factors and 1979-2009 which were screened or years Aphids occurrence amount as the training set， the wavelet neural network of forecast model was built ， using the model， occurrence quantity of 2010―2014 years of wheat aphids were predicted， the results showed that the prediction result of wavelet neural network prediction model was accurate. Key words：wavelet neural network; occurrence;forecast 多年来，国内外学者利用经验预测法、实验预测法、统计预测法等对害虫发生预测进行了大量的研究[1]，为害虫综合防治提供了良好的指导作用，但由于害虫的发生具有多样性、突发性、随机性等特点，易受环境因子及害虫自身生长发育、天敌发生情况等影响，害虫的种群动态是一个复杂的非线性结构，目前，国内外已有研究将现代非线性理论运用到害虫预测预报领域，通过传统的动力理论、数理统计与现代计算技术相结合，发展了人工神经网络[2-3]、相空间重构预测法、小波分析[4]、支持向量机[5-6]等预测预报方法，在复杂环境下更精准地将害虫控制在经济阈值之下，减少农作物的损失。 人工神经网络可以实现任何复杂非线性映射的功能，便于解决内部机制较复杂的问题;能够通过训练自动提取输出、输出数据间的“合理规则”，具有高效的自学和适应能力;可以将学习成果主动应用于新知识的构建;具有较好的容错能力[7-11]。小波分析具有良好的时频局部特性和变焦特性，且时频窗可根据需要及时调整，目前已成功用于信号与图像压缩、工程技术、信号分析等方面[12-14]。小波神经网络是利用小波分析与神经网络的优点，取其精华，弃其糟粕，将两者有机结合形成的一种网络结构。 笔者运用小波神经网络这种复合型神经网络结构，采用更为准确的预测模型对麦蚜的发生量进行监测，对研究害虫灾害发生的动态规律、发展趋势，对农业部门指导农民科学生产[15-17]，采取有效措施减少虫害危害，增加农民收入，都具有很好的现实意义，不失为一种有益的尝试。 1 试验对象及数据来源 1.1 麦蚜数据 麦蚜虫害原始数据来自山西省植保植检总站。研究地点在山西省运城市芮城县古魏镇，为山西小麦的主产区，北纬34°36′～48°30′，东经110°36′～42°30，年平均气温12.77 ℃，无霜期250 d左右，年降水量513 mm。全镇耕地面积约4 666.67 hm2，土地平坦，土壤肥沃，小麦是最主要的农作物。虫害统计资料为1979―2014年，每年2月底到6月初，采用系统调查法统计每5 d采集到的数据。 1.2 气象数据 气象资料来自于山西省气象局。根据麦蚜生理气象指标可知，影响麦蚜发