生物灾害精细化预报算法试验研究.pdfVIP

生物灾害精细化预报算法试验研究

摘要精细化预报建模，除了“精”“细”之外，还要

注重“简”的精细化预报基本要求，只有这样的算法模型，

才能“化繁为简”，才能在生产实践中得到广泛应用。因此，

算法与模型的的选择，应该按照“精”“细”“简”要求，应

用最新数学、系统学成果和分析仿真工具，采用多种方式进

行试验比较，选择合适的算法。就本次算法试验而言，对于

潜山县马尾松毛虫精细化预报，采用多层感知器建立马尾松

毛虫预报模型较好。

关键词生物灾害；马尾松毛虫；回归神经网络算法；

安徽潜山

中图分类号S763.7文献标识码A文章编号

1007-5739（2015）18-0171-01

1数据来源

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。试验所用软件为：IBMSPSS

Statistics22，MicrosoftOfficeExcel2007。

2数据预处理

为了体现马尾松毛虫发生发展时间上的完整性，在数据

处理时，将越冬代数据与上一年第2代数据合并，这样就在

时间上保持了一个马尾松毛虫世代的完整性，以便于建模和

预测。

2.1发生量数据处理

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。

2.2发生期数据处理

在对潜山县1983―2014年原始发生期监测数据按世代

逐年汇总，然后将日期数据转换成日历天，使之数量化，以

便于建模分析。

2.3气象数据处理

根据《松毛虫综合管理》《中国松毛虫》等学术资料以

及近年来有关马尾松毛虫监测预报的学术论文[1-2]，初步选

择与松毛虫的发生量、发生期有一定相关性的气象因子，然

后按照精细化管理的“精”“细”“简”相关要求，选择对当

前马尾松毛虫防治实践有着较高指导意义的发生面积和幼

虫高峰期作为预报因子，采用SPSS进行偏相关性的分析，再

次排除相关性较低因子变量，并排除世代降雨量、幼虫期降

雨量、幼虫期极低气温、幼虫期平均气温、幼虫期积温等过

时的数据，以减少过多相关性较低变量对于建模试验的干扰。

此外，在数据汇总中发现，第1代与第2代之间的气象

数据相差较大，为了保证试验的精确性，将第1代与第2代

分开建模试验。各世代参加算法试验的变量见表1。

3算法试验

3.1回归试验

使用IBMSPSSStatistics22和MicrosoftOfficeExcel2007，

多次选择不同的变量，采用线性回归、曲线回归、非线性回

归、Logistic回归等回归建模试验的比较，再次排除了部分

相关性较低的变量，最终选择了拟合度较高的线性回归模型，

具体见表2。可以看出，显著性概率小于或非常接近0.05，

拒绝回归系数都为0的原假设，算法试验基本满足精细化预

报试验要求。

3.2神经网络径向基函数试验

使用IBMSPSSStatistics22，经过多次神经网络径向基函

数试验，筛选拟合度高的马尾松毛虫精细化预报模型，试（下

转第178页）

（上接第171页）

验结果见表3。可以看出，采用径向基函数建立的马尾

松毛虫预报模型，基本满足马尾松毛虫预报要求。

3.3神经网络多层感知器试验

使用IBMSPSSStatistics22，经过多次神经网络多层感知

器试验，筛选拟合度高的马尾松毛虫精细化预报模型，试验

结果见表4。可以看出，采用多层感知器建立马尾松毛虫预

报模型，R2均大于0.9，要优于径向基函数与回归方法建立

的模型。

3.4时间序列分析算法试验

在算法试验中，还采用了多种时间序列分析算法，试验

结果的拟合度都较低，达不到预报模型要求。

4算法选择与组合

一个好的算法，就是要“化繁为简”，把复杂的事情交

给计算机去做，最大程度地简化人的操作。因此，对于马尾

松毛虫精细化预报而言，只需要选择对防治具有较高指导意

义的发生面积、发生强度与幼虫高峰期进行预报算法研究。

就目前技术来说，用于建模的成虫始见期数据，采用性

诱