基于神经网络的马尾松毛虫精细化预报Matlab建模试验可研报告.docVIP

基于神经网络的马尾松毛虫精细化预报Matlab建模试验 张国庆 （） .数据 马尾松毛虫发生量、发生期数据来源于潜山县监测数据，气象数据来源于国家气候中心。 2.数据预处理 根据《松毛虫综合管理 （2）发生量数据处理 为了在建模时分析发生强度，在对潜山县1983～2014年原始监测数据预处理时，按照“轻”、“中”、“重”3个强度等级，分类按世代逐年汇总。 （3）发生期数据处理 首先对潜山县1983～2014年原始发生期监测数据按世代逐年汇总，然后日期数据转换成日历天，使之数量化，以便于建模分析。 3.因子变量选择 通过相关性分析和建模试验比较，第一代发生量因子变量选择第1、2龄极低气温，卵期极低气温，上一代防治效果，上一代防治面积；第二代发生量因子变量选择第1、2龄极低气温，卵期极低气温，上一代防治效果，上一代防治面积，第1、2龄降雨量，卵期降雨量；第一代幼虫高峰期因子变量选择第1、2龄平均气温，第1、2龄积温（日度），第1、2龄极低气温，卵期极低气温；第二代幼虫高峰期因子变量选择成虫始见期，卵期平均气温，卵期积温（日度），第1、2龄极低气温。 将第一代发生量变量命名为s1y，因变量命名为s1x；第二代发生量变量命名为s2y，因变量命名为s2x；第一代幼虫高峰期变量命名为t1y，因变量命名为t1x；第二代幼虫高峰期变量命名为t2y，因变量命名为t2x。 4.第一代发生量建模试验 4.1程序代码 程序代码（Simple Script）为： % Solve an Input-Output Fitting problem with a Neural Network % Script generated by Neural Fitting app % Created Wed Oct 28 19:28:48 CST 2015 % % This script assumes these variables are defined: % % s1x - input data. % s1y - target data. x = s1x; t = s1y; % Choose a Training Function % For a list of all training functions type: help nntrain % trainlm is usually fastest. % trainbr takes longer but may be better for challenging problems. % trainscg uses less memory. NFTOOL falls back to this in low memory situations. trainFcn = trainlm; % Levenberg-Marquardt % Create a Fitting Network hiddenLayerSize = 10; net = fitnet(hiddenLayerSize,trainFcn); % Setup Division of Data for Training, Validation, Testing net.divideParam.trainRatio = 90/100; net.divideParam.valRatio = 5/100; net.divideParam.testRatio = 5/100; % Train the Network [net,tr] = train(net,x,t); % Test the Network y = net(x); e = gsubtract(t,y); performance = perform(net,t,y) % View the Network view(net) % Plots % Uncomment these lines to enable various plots. %figure, plotperform(tr) %figure, plottrainstate(tr) %figure, plotfit(net,x,t) %figure, plotregression(t,y) %figure, ploterrhist(e) 程序代码（Advanced Script）为： % Solve an Input-Output Fitting problem with a Neural Network % Script generated by Neural Fitting app % Created Wed Oct 28 19:29:03 CST 2015 % % This sc