资源描述:
《基于相空间重构及grnn的海防林害虫预测及效果检验》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、第34卷第2期浙江林业科技Vol.34No.22014年3月JOUR.OFZHEJIANGFOR.SCI.&TECH.Mar.,2014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,GeneralizedRegressi
2、onNeuralNetwork)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(Dendrolimuspunctatus)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
3、序列;GRNN;仿真中图分类号:S727.2文献标识码:ACoastalProtectionForestPestForecastingandVerificationBasedonPhaseSpaceReconstructionandGRNNTIANWan-yin,XUHua-chao(SchoolofForestryandBiotechnology,ZhejiangA&FUniversity,Lin’an311300,China)Abstract:Inthispaper,reconstructedthephase
4、spaceofthenonlineartimeseriesandusedtheoutputvectorastheinputvectorofGeneralizedRegressionNeuralNetwork(GRNN)topredicttheoccurrenceofcoastalprotectionforestpests.Thespecificmethodwasusingwavelettransform,noisereductionprocessingoftherawdata,thencalculatetheti
5、medelay,embeddingdimensionandLyapunovexponent,reusedcalculateddatareconstructionphasespace.Finally,usingtheGRNNtopredictthetest.SimulationtestdatawasfromtheXianjuCountyfrom1983to2011.Specificideas:pestdataof1983-2007forthereconstructionphasespaceandtrainthene
6、uralnetwork,dataof2008-2011forpestpredictiontest.Theresultshowedthatthepredictionhashigherpredictionaccuracy,2008(forecastdeviationisonlyanorderofmagnitude),therestoftheforecastaccuraciesareall100%.Inshort,thephasespacereconstructionandGeneralizedRegressionNe
7、uralNetworksareallpopularmethodtoresearchnonlinearproblems,thispapercombinedthemasanewattempttopredicttheoccurrenceofcoastalprotectionforestpests.Keywords:coastalprotectionforest;phasespacereconstruction;chaotictimeseries;GRNN;simulation1989年,林业部为了保障沿海地区的生态安全
8、和经济社会发展而启动了沿海防护林体系工程。该工程对改[1]善生态环境,维护生态平衡,保护沿海人民生存和发展起着决定性作用。然而,相比于内陆,沿海防护林树种单一,多以人工纯林为主,加上台风的辅助作用,使得病虫害较易大范围发生。因此,及时有效地对沿海防护林害虫的发生进行监测和防治十分必要。林业病虫害预测预报工作是在病虫害尚未对林业造成重大损失之前收稿日期:2013-09-26