基于相空间重构及GRNN的海防林害虫预测及效果检验.pdf

第 34 卷 第 2 期 浙 江 林 业 科 技 Vol. 34 No.2 2 0 1 4 年 3 月 JOUR. OF ZHEJIANG FOR. SCI. TECH. Mar., 2 0 1 4 文章编号： 1001-3776 （2014 ）01-0065-05 基于相空间重构及 GRNN 的海防林害虫预测及效果检验 * 田万银，徐华潮 （浙江农林大学林业与生物技术学院，浙江 临安 311300 ） 摘要 ：考虑到海防林环境气候、动植物组成的特殊性及林业害虫发生的非线性、复杂性、无规律性，通过重构非 线性时间序列的相空间并将输出向量作为广义回归神经网络 （GRNN, Generalized Regression Neural Network ）的输 入向量对海防林害虫的发生进行预测；并使用仙居县 1983－2011 年的马尾松毛虫（ Dendrolimus punctatus ）实测 数据对该预测方法进行仿真检验： 1983－2007 年虫害数据用于重构相空间及训练神经网络，而 2008 －2011 年的 数据用于虫害发生的预测检验。结果表明，在将仙居县马尾松毛虫的危害程度划分为四个等级的前提下，预测方 法预测精度较高，除了对 2008 年马尾松毛虫危害程度的预测出现一个数量级的偏差外，其余的预测准确率均为 100%。 关键词 ：海防林；相空间重构；混沌时间序列； GRNN ；仿真 中图分类号 ：S727.2 文献标识码 ：A Coastal Protection Forest Pest Forecasting and Verification Based on Phase Space Reconstruction and GRNN TIAN Wan-yin ，XU Hua-chao （School of Forestry and Biotechnology, Zhejiang A F University, Lin ）’an 311300, China Abstract: In this paper, reconstructed the phase space of the nonlinear time series and used the output vector as the input vector of Generalized Regression Neural Network (GRNN) to predict the occurrence of coastal protection forest pests. The specific method was using wavelet transform, noise reduction processing of the raw data, then calculate the time delay, embedding dimension and Lyapunov exponent, reused calculated data reconstruction phase sp