鲁东冬小麦麦长管蚜发生程度关联因子分析.pdfVIP

山东农业大学硕士学位论文 目录 中文摘要I AbstractII 1前言1 1.1大数据简介1 1.1.1大数据的发展1 1.1.2大数据的特点2 1.1.3 农业大数据3 1.2数据挖掘4 1.2.1随机森林4 1.2.2支持向量机5 1.2.3神经网络5 1.3农业病虫害监测预警6 1.3.1传统农业病虫害监测预警6 1.3.2现代化农业病虫害监测预警7 1.4小麦蚜虫监测预警8 1.4.1小麦蚜虫概述8 1.4.2影响小麦蚜虫种群的环境因素9 1.4.3小麦蚜虫监测预警模型构建现状10 1.5立题依据与意义12 2材料与方法14 2.1数据采集14 2.1.1麦长管蚜及其天敌数据采集14 2.1.2气象数据采集14 2.2数据预处理14 2.2.1 缺失值处理14 2.2.2 因变量分级15 2.2.3 自变量选择15 2.3模型构建15 2.3.1随机森林模型构建15 鲁东冬小麦麦长管蚜发生程度关联因子分析 2.3.2 支持向量机模型构建17 2.3.3神经网络模型构建20 2.4 模型评估21 2.4.1 混淆矩阵法21 2.4.2十折交叉验证法23 2.5关联因子分析25 3结果与分析26 3.1 数据预处理结果26 3.1.1缺失值处理26 3.1.2因变量分级27 3.1.3 自变量选择27 3.2模型构建28 3.2.1 随机森林模型28 3.2.2支持向量机模型30 3.2.3神经网络模型31 3.3模型评估33 3.3.1 利用混淆矩阵评价3种模型的性能33 3.3.2 利用十折交叉验证法评价3种模型的性能34 3.4关联性分析36 4 讨论39 4.1 3种机器学习算法比较分析39 4.2 影响鲁东地区麦长管蚜发生程度的关联因子分析40 5结论42 参考文献43 致谢53 攻读硕士期间发表论文情况55 山东农业大学硕士学位论文 中文摘要 小麦Triticum aestivum L.是我国主要的粮食作物之一，麦长管蚜Sitobion avenae F. 是麦田中的主要害虫。麦长管蚜是典型的R对策害虫，其繁殖力高并具有很强扩散能 力。近年来，全球气候变化提高了蚜虫的越冬成功率，提早了蚜虫的迁移时间，使其 监测预警，尤其是短期预警难以实现。通过利用海量数据构建麦长管蚜监测预警模 型、分析影响其发生的关键因子，初步实现麦长管蚜的短期监测预警，对指导制订科 学高效的麦长管蚜防控策略具有重要意义。 本研究基于大数据的理念，首先，通过对2003-2019年鲁东地区麦长管蚜发生数据 以及瓢虫、平均温度等17个环境变量数据进行分析。其次，利用随机森林、支持向量 机和神经网络算法构建了麦长管蚜预测模型。同时，利用混淆矩阵和十折交叉验证对 模型的性能进行评估，筛选出性能最佳的模型。最后，对麦长管蚜发生程度关联因子 进行分析。 通过混淆矩阵检验，随机森林模型、支持向量机模型以及神经网络模型分类的准 确率分别为0.84、0.83、0.77。通过十折交叉验证得出，随机森林模型、支持向量机模 型以及神经网络模型的受试者工作特征曲线下方的面积 （AUC）分别为0.88、0.87、0. 82。在敏感性方面，随机森林模型多次获得的敏感性的均值为0.92；支持向量机模型 为0.99；神经网络模型仅为0.88。在特异性方面，随机森林模型多次获得的特异性的 均值为0.61；支持向量机模型为0.21；神经网络模型为0.33。根据多种性能评价指标 的综合衡量，随机森林模型的稳定性、泛化能力均优于支持向量机模型和神经网络模 型。因此，本研究优选利用随机森林算法，构建了鲁东地区麦长管蚜预警模型，并对 其与环境因子的关联性进行了分析。结果显示，瓢虫 （七星瓢虫和异色瓢虫）、日照 时数和平均气温与麦长管蚜发生关联度最高，其Gini值平均降低量分别为12.56、7.65 和5.32。日降水量、平均相对湿度、极大风速以及平均气压对麦长管蚜发生程度影响 小，其Gini 值平均降低量分别为 1.43、1.12、1.05、0