期刊论文

中文

中国农学通报

1000-6850

2014

30

13

289-293

国家科技支撑计划重大项目“农村物联网基础平台共性关键技术研究”（2012BAD35B05）； 湖南省研究生科研创新项目“时间序列分析方法在农业虫害预测中的应用研究”（CX2012B307）；

本校为第一机构

为了提高预测稻瘿蚊发生量的准确度,有效防控稻瘿蚊虫害成灾面积,采用基于K近邻样本拟合相对误差绝对值与时序相关系数最小原则优化的BP神经网络预测模型REMCC-BPNN,选取广为认可的气温和降水量为影响因子,对稻瘿蚊的发生量进行独立预测。通过2个实例(化州市晚稻稻瘿蚊发生程度和广西邕宁县稻瘿蚊发生程度)验证显示:REMCC-BPNN 模型的独立预测精度分别为94%和100%,明显优于经典回归分析、SVR-CAR、MIV-BPNN等参比模型。可见,REMCC-BPNN模型在虫害发生量预测方面有良好的应用前景。

In order to improve the predictive accuracy of the Orseolia oryzae emergency size and control areaaffected by Orseolia oryzae effectively, an improved back-propagation neural network（BPNN） model namedREMCC-BPNN was proposed. REMCC-BPNN optimizes the training model for BPNN based on the minimumcorrelation coefficient of the absolute value of the K nearest neighbor training samples＇ fitting relative errorand the K training samples＇ time order. This study utilized air temperature and precipitation as influencingfactors to forecast pest managem...