基于小波神經(jīng)網(wǎng)絡(luò)的海防林蟲害預(yù)測方法研究.pdf

1、沿海防護(hù)林體系對(duì)改善沿海地區(qū)生態(tài)環(huán)境，防御自然災(zāi)害，保障人民生命財(cái)產(chǎn)安全具有重大的現(xiàn)實(shí)意義和歷史意義。但由于海防林樹種單一、管理粗放以及氣候濕潤、光照充足等而使得害蟲較易大發(fā)生，因而適時(shí)地對(duì)海防林蟲害的發(fā)生加以監(jiān)測并及時(shí)地予以防治至關(guān)重要。本研究應(yīng)用Matlab編程實(shí)現(xiàn)小波神經(jīng)網(wǎng)絡(luò)（Wavelet Neural Network WNN）對(duì)海防林害蟲發(fā)生的預(yù)測。在測報(bào)過程中使用SAS(Statistical Analysis System

2、)中的Pearson相關(guān)性檢驗(yàn)及逐步回歸分析編程篩選測報(bào)主導(dǎo)因子。最后，使用臺(tái)州市仙居縣二道海防林內(nèi)害蟲（馬尾松毛蟲Dendrolimus Punctatus walker）對(duì)整套預(yù)測方法進(jìn)行效果檢驗(yàn)并與BP神經(jīng)網(wǎng)絡(luò)的預(yù)測效果加以比較。
　　 本研究得出的主要結(jié)論有:
　　 1、通過SAS編程實(shí)現(xiàn)測報(bào)主導(dǎo)因子篩選的方法較為便捷，即使面對(duì)龐大的基礎(chǔ)數(shù)據(jù)也不會(huì)給測報(bào)工作帶來任何麻煩，并且源程序可重復(fù)使用。
　　 2、

3、使用SAS中的Pearson相關(guān)性檢驗(yàn)及逐步回歸分析對(duì)實(shí)驗(yàn)地的仿真害蟲進(jìn)行主導(dǎo)氣象因子篩選，結(jié)果表明，蟲口密度受7類氣象因子共22個(gè)變量的影響顯著;有蟲面積受5類氣象因子共5個(gè)變量的影響顯著;蟲株率受7類氣象因子共22個(gè)變量的影響顯著。
　　 3、應(yīng)用小波神經(jīng)網(wǎng)絡(luò)對(duì)仿真害蟲的發(fā)生進(jìn)行預(yù)測，小波神經(jīng)網(wǎng)絡(luò)預(yù)測蟲害的準(zhǔn)確率較高:2007-2011年這5年的蟲口密度仿真準(zhǔn)確率均在90％以上;2007-2011年5年的有蟲面積仿真準(zhǔn)確率在

4、95％以上;2007-2011年5年的蟲株率的仿真準(zhǔn)確率在96％以上。
　　 4、將小波神經(jīng)網(wǎng)絡(luò)的預(yù)測效果與BP神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果相比較，結(jié)果顯示，小波神經(jīng)網(wǎng)絡(luò)對(duì)蟲口密度預(yù)測的相對(duì)誤差平均僅為3.251％，而BP神經(jīng)網(wǎng)絡(luò)預(yù)測蟲害的相對(duì)誤差平均為9.161％，且經(jīng)方差分析，p=0.0358＜0.05;小波神經(jīng)網(wǎng)絡(luò)對(duì)有蟲面積預(yù)測的相對(duì)誤差平均為2.579％，低于BP神經(jīng)網(wǎng)絡(luò)的平均相對(duì)誤差6.570％，方差分析的p=0.0334＜0.