吴祺媛;吴松涛;刘亚慧;吴慧明;何云飞;

• 1:浙江农林大学植物保护系
• 2:浙江省浦江县岩头镇人民政府
• 3:浙江省浦江县气象局
• 4:浙江省浦江县农业技术推广中心

摘要(Abstract)：

[目的]探讨更适用于现阶段的褐飞虱预测预报模型。[方法]利用浦江县2001—2016年褐飞虱的观测数据和气象数据,采用传统的逐步回归方法和BP神经网络方法,分别建立了褐飞虱发生高峰期预测预报模型。[结果]逐步回归预测模型选用的建模因子为5月上旬最高温、9月上旬湿度和6月下旬雨量,模型的预测准确率不高;BP神经网络预测模型的建模因子为始见日后40 d的平均温、最高温、最低温、雨量、湿度,模型的预测准确率达99.22%。[结论]该研究结果为今后褐飞虱预测预报模型的选择提供了参考。

关键词(KeyWords)： 褐飞虱;预测预报;逐步回归;BP神经网络

Abstract:

Keywords:

基金项目(Foundation):

作者(Author): 吴祺媛;吴松涛;刘亚慧;吴慧明;何云飞;

Email:

DOI:

参考文献(References)：

• [1]赵凌,赵春芳,周丽慧,等.中国水稻生产现状与发展趋势[J].江苏农业科学,2015(10):105-107.
• [2]虞国平.水稻在我国粮食安全中的战略地位分析[J].新西部,2009(11):31-33.
• [3]杨廉伟,王会福,陈将赞,等.浙江省天台县晚稻褐飞虱发生关键因子分析与逐步回归预测[J].中国农学通报,2010,26(12):227-232.
• [4]董军,胡上序.混沌神经网络研究进展与展望[J].信息与控制,1997,26(5):360-368.
• [5]包约翰.自适应模式识别与神经网络[M].北京:科学出版社,1974.
• [6]朱大奇,史慧.人工神经网络原理及应用[M].北京:科学出版社,2006:33.
• [7]靳然,李生才.基于BP神经网络的麦蚜最大虫株率预测[J].山西农业大学学报(自然科学版),2015,35(4):361-366.
• [8]王建强,张跃进,刘宇.稻飞虱测报调查规范:GB/T 15794—2009[S].北京:中国标准出版社,2009:3.
• [9]尤伟群,侯平扬.水稻主要害虫田间调查实践优化[J].热带农业科学,2013,33(6):37-38,42.
• [10]程遐年,吴进才,马飞.褐飞虱研究与防治[M].北京:中国农业出版社,2003:48.
• [11]向昌盛,周子英.ARIMA与SVM组合模型在害虫预测中的应用[J].昆虫学报,2010,53(9):1055-1060.
• [12]李启权,王昌全,张文江,等.基于神经网络模型和地统计学方法的土壤养分空间分布预测[J].应用生态学报,2013,24(2):459-466.
• [13]陈冰,颜松毅,江满桃,等.化州市晚稻稻飞虱主害代发生期及发生程度气象预测模型[J].中国农学通报,2015,31(8):123-127.
• [14]李大庆,杨再学,秦治勇,等.稻纵卷叶螟中短期预测模型研究与应用[J].贵州大学学报(自然科学版),2016,33(2):40-44.
• [15]马飞,许晓风,张夕林,等.神经网络预警系统及其在害虫预测中的应用[J].昆虫知识,2002,39(2):115-119.
• [16]汪四水,张孝羲.基于神经网络的稻纵卷叶螟长期预测[J].植物保护学报,2000,27(4):313-316.
• [17]高宇航.一种改善BP神经网络性能的方法研究[J].微型机与应用,2017,36(6):53-57,