计算机在森林病虫害预测预报中的应用分析

《计算机在森林病虫害预测预报中的应用分析》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、计算机在森林病虫害预测预报中的应用分析论文摘要：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:Improvingtheaccuracyandtimelinessofpestforecastisofgreatsignificancetotheprot

2、ectionofforestresourcesandecologicalenvironmentconstruction,andusingtheputerinthepredictionofforestdiseasesandinsectpestsplaysanimportantroleinthedevelopmentofforestry.Thispaperdescribestheapplicationofputerintheforestpestforecast,throughtheMarkovmodel,achievestheforecastofp

3、estsanddiseases.关键词：计算机应用；马尔科夫模型；预测预报　　　　　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

4、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

5、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

6、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

7、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

8、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）p（m）