浅谈计算机在森林病虫害预测预报中的应用

《浅谈计算机在森林病虫害预测预报中的应用 》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、浅谈计算机在森林病虫害预测预报中的应用　　摘要：提高病虫预测预报的准确性和时效性，对森林资源的保护和生态环境的建设具有重大的意义，将计算机应用在森林病虫害预测预报中，对于我国林业发展起着重要作用。本文主要介绍了通过计算机在森林病虫害预测预报中的应用，通过马尔科夫模型，实现了病虫害的预测预报。提高病虫预测预报的准确性和时效性，对森林资源的保护和生态环境的建设具有重大的意义。　　Abstract:Improvingtheaccuracyandtimelinessofpestforecastisofgreatsignificancetotheprotectionofforestresourc

2、esandecologicalenvironmentconstruction,andusingtheputerinthepredictionofforestdiseasesandinsectpestsplaysanimportantroleinthedevelopmentofforestry.Thispaperdescribestheapplicationofputerintheforestpestforecast,throughtheMarkovmodel,achievestheforecastofpestsanddiseases.　　关键词：计算机应用；马尔科夫模型；预测预报　　　

3、　　1背景介绍　　森林病虫害每年给我国造成的直接经济损失达数十亿元，对生态环境的破坏更是难以估量。由于社会经济和科技发展的局限性，过去人们在控制森林病虫灾害的过程中，总存在着被动抗灾的思想意识，往往在森林病虫害暴发成灾后，再筹集巨额资金救灾。　　森林病虫害信息的及时获取及准确传递，提高病虫预测预报的准确性和时效性，是各级林管部门科学决策、科学管理的基础，对森林资源的保护和生态环境的建设具有重大的意义，因此，将计算机应用在病虫害预测预报中，应用马尔科夫模型对森林病虫害的预测预报预病对于我国林业发展起着重要作用。　　2计算机在森林病虫害预测预报中的应用　　2.1用数据库收集数据数据库技术数

4、据库（Database）技术的发展，为信息的存储、分类、查询、传递等提供了保证。这些数据演绎着这个事物的变化过程，我们把这些数据，回归成数学模型，来帮助我们分析解决实际中的问题。在森林病虫害预测预报中，将实际收集的病虫害数据放到数据库中，为实现预测预报做好准备工作。　　2.2数据计算将收集到的森林病虫害数据回归成马尔科夫数学模型，原来非常复杂的计算过程，就可以在我们按几下按键的情况下得出正确的结果，从而为预测预报起到参考的意义。　　2.3计算机模拟预测在实际病虫害预测预报过程中，把积累的大量相关数据，回归成马尔科夫数学模型，把这个反映过程的数学模型编成软件序，在以后的工程过程中，通过这

5、个软件预测这个工程过程的情况，从而达到计算机预测预报森林病虫害的目的。　　2.4在工程过程中优化控制将实际收集到的数据回归，建立马尔科夫数学模型，编成计算机程序，输入计算机，优化了控制，最终实现便实现了森林病虫害的预测预报。　　3马尔可夫预测模型在森林病虫害预测预报应用及实现　　马尔可夫（Markov）过程是研究事物的状态及其转移的理论。它是通过对不同状态的初始概率及其状态之间转移概率的研究来确定状态的变化趋势，从而达到对未来进行预测的目的。　　马尔可夫过程的特点是：过程在时刻ti到时刻tj（tj>ti）的时间段内所处的各状态已知时，而过程在t时刻（t>tj）所处的状态的统

6、计规律只与时刻ti到时刻tj区间的状态有关，而与时刻ti以前的状态无关。这种特点也称为状态的无后效性。　　当马尔可夫过程中的时间取离散点，状态也取离散值时，称马儿可夫链。　　马尔可夫链预测病虫害不需要考虑其它繁杂的外界因子，只需要连续多年的病虫发生程度的历史资料，将收集到的病虫害数据输入到计算机中，通过计算状态转移概率，方法简单易行。对病虫害的长期预测有着良好的效果。　　3.1数据计算马尔可夫链预测病虫害发生程度的方法说明如下：例如：屏边苗族自治县1984年至2007年24年间毒蛾的发生程度如表1所示。其中，级别为1表示常态，级别为2表示轻微，级别为3表示中度，级别为4表示重度。现要预

7、测2008年屏边苗族自治县毒蛾的发生程度。　　设pij（m）表示毒蛾状态等级经过m次转移，由级别i转移到级别j的概率。则有：　　pij（m）=nj（m）/mi　　其中，mi为毒蛾发生等级为i的总次数，nj（m）为毒蛾发生等级值由i经过m次转移后的发生等级值为j的次数。在这里i取1、2、3、4，同样j也取1、2、3、4。　　故在本例中转移次数为m次的概率矩阵为：　　P（m）=p（m）p（m）p（m）p（m）p（m）p（m）p（m）p（m）p（m）