基于机器学习的落叶松毛虫发生面积预测模型.pdfVIP

第39卷摇 第1期 北 京 林 业 大 学 学 报 Vol.39,No.1 2017年1月 JOURNAL OF BEIJING FORESTRY UNIVERSITY Jan. ,2017 鄄鄄 DOI:10.13332/ j.1000 1522 基于机器学习的落叶松毛虫发生面积预测模型 张文一摇 景天忠摇 严善春 (东北林业大学林学院) 摘要:落叶松毛虫为我国主要害虫之一,其发生严重影响了我国林木生长和森林资源的安全。 因此,及时准确地对 落叶松毛虫虫害发生趋势进行预测、预报十分必要。 虫害的发生受到多种因素的影响,存在复杂的非线性关系,传 统的预测方法大多为基于线性的预测,导致其预测效果不够理想。 本研究选取当年3 月中旬的总蒸发量、上年7 月上旬的平均最低气温、当年3月下旬的极端最低气温以及上年11月上旬的平均风速作为自变量,虫害发生面积 作为因变量,利用多层前馈神经网络(MLFN)、广义回归神经网络(GRNN)以及支持向量机(SVM)3种机器学习算 法对落叶松毛虫发生面积进行预测,并将3种方法的预测结果与传统多元线性回归预测方法相比较。 结果表明, 机器学习的预测效果均在很大程度上优于多元线性回归预测,并且在3种机器学习算法中,SVM模型的预测效果 最好,在30%容忍度下其预测精度可以达到 100%,并且该模型还有较低的RMSE值(0郾077)和较短的训练时间 (1s)。这表明,机器学习可以应用于生产实际并有效预测虫害发生面积,尤其是SVM模型可以作为一种很好的虫 害发生预测手段。 关键词:虫害预测;预测模型;多元线性回归;机器学习 鄄鄄 鄄鄄 鄄鄄 中图分类号:S763郾3摇 摇 文献标志码:A摇 摇 文章编号:1000 1522(2017)01 0085 09 ZHANG Wen鄄yi;JING Tian鄄zhong;YAN Shan鄄chun. Studies on prediction models of Dendrolimus superans occurrenceareabasedonmachinelearning. Journalof Beijing Forestry University (2017)39 鄄鄄 (1) 85 93 [Ch,41 ref.] School of Forestry,Northeast Forestry University, Harbin, Heilongjiang, 150040,P. R. China. 摇 摇 Dendrolimus superans is one of the major forest pest insects, and its occurrence causes serious reductions in forest growth and significant threats to the safety of forest resources in China. Therefore,it is critical and necessary to predict theD. superans occurrence trend and population dynamicstimely and accurately. Many factors affect the occurrence and outbreaks of pests,most likely involved in complex nonlinear systems. Unfortunately,most traditional modelswer