BP神经网络在烟蚜发生程度预测中的应用

《BP神经网络在烟蚜发生程度预测中的应用》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、nCT矗AeRICULTURAE华北农学报·2008，23(增-T4)：373．376B8REnL卜SIHICnBP神经网络在烟蚜发生程度预测中的应用任广伟，王秀芳，王新伟，李晓2，张建党。，梁其涛。(1．中国农业科学院烟草研究所，山东青岛266101；2．山东中烟工业公司技术中心，山东济南250013；3．安康市烟草公司，陕西安康725000)摘要：为实现对烟田烟蚜发生程度的预测预报，以l2年的历史资料为基础数据，采用BP神经网络方法建立了烟蚜发生程度的预测模型。该模型对待测样本的预测准确度为99．43％，回测准确度为87．36％。所建立的

2、预测模型可提前1个多月对烟蚜发生程度进行预测，为中期预测模型，其预测结果可为烟田蚜虫综合治理提供依据。关键词：烟蚜；发生程度；BP神经网络；预测模型中图分类号：$435．72文献标识码：A文章编号：1000—7091(2008)增刊一0373—04ApplicationofBPNeuralNetworktoPredictOccurrenceDegreeofMyzuspersicaeRENGuang—wei，WANGXiu—fang，WANGXin—wei，LIXiao，ZHANGJian—dang3，LIANGQi—tao(1．Tobacco

3、Institute，ChineseAcademyofAgriculturalSciences，Qingdao266101，China；2．TechnologyCenter，ShandongTobaccoIndustryCorporation，Jinan250013，China；3．AnkangTobaccoCompany，Ankang725000，China)Abstract：Basingonthedataof12years，themethodofBPneuralnetworkwasappliedtoestablishthepredictio

4、nmodelofMyzuspersicaeOccurrenceforitspredictionandforecastintobaccofield．Themodelexhibitedpredictionaccura—cyof99．43％，andbackpredictionaccuracyof87．36％，respectively．ThepredictionmodelcouldpredicttheocccurencedegreeofMyzuspersicaemorethanonemonthinadvance，SOthemiddle—termpre

5、dictionmodelcouldbeappliedinIPMofMyzuspersicaeintobaccofield．Keywords：Myzuspersicae；Occurrencedegree；BPneuralnetwork；Predictionmodel烟蚜(Myzuspersicae(Sulzer))是为害烟草的重领域进行模式识别、图像处理、预测与管理等J。其要害虫之一，在我国各烟区普遍发生。烟蚜不仅直中BP(Backpropagation)神经网络是最有效、最活跃接刺吸为害烟草，而且还是多种烟草病毒病害的方法之一，已在多个领域有

6、所应用。在农业病虫(CMV、PVY、TEV等)的传播介体，每年都对烟草生害的预测预报中，有关学者采用BP神经网络的方产造成较为严重的损失【1J。做好烟蚜发生情况的法建立了预测预报模型，取得了较好的预测结预测预报工作，可为烟蚜的适时有效防治提供依据，果L8引。在烟田蚜虫的预测预报中，有关研究人员对控制烟草蚜传病毒病的发生也有重要意义。采用多元回归、指标交叉以及马尔可夫链等方法建自20世纪80年代以来，随着生物神经学家对立了烟蚜的预测模型_1引，尚未见采用BP神经网大脑信息处理研究的深入以及计算机科学和人工智络方法对烟蚜发生程度进行预测的报道。为

7、了提高能发展的需要，以非线性大规模并行分布式处理为预测的准确度，为建立烟蚜的预测模型提供一种新主流的人工神经网络技术得到了迅速发展，人工神方法，本研究将利用BP神经网络建立烟蚜发生程经网络理论被广泛应用于医学、工程、生物、农业等度的预测预报模型，以期为烟蚜的综合治理提供理收稿日期：2008—08—11基金项目：山东省烟草专卖局科技项目(KNgO)一作者简介：任广伟(1973一)，男，山东阳谷人，硕士，副研究员，主要从事烟草病虫害研究。nCT^一n8RICULTURAE374华北农学报23卷BOREilLI-SIIIGII．．．一论依据。保存的

8、历史资料进行分析。选取上年10月份到当年4月份的月降雨量、月均温、月相对湿度为预测因1BP神经网络的基本原理子(气象因子由青州市气象局提供)，以5月份田间人工神经网