论文部分内容阅读
小麦作为我国第二大粮食作物,在我国生产消费量巨大,小麦的产量和质量直接关系到我国粮食安全的根本性问题。而小麦赤霉病频繁发生,分布广泛,严重影响了小麦的产量质量,给国家的粮食安全和农民收益带来影响,因此小麦赤霉病的预测预报显得尤为重要。本文选择安徽省多个市县小麦赤霉病病穗率和气象因子数据做为样本数据,研究具体气象因子和赤霉病之间的内在联系,着手建立多因子小麦赤霉病预测模型,给小麦赤霉病的估测和防治工作提供了依据。本文完成的主要研究工作和成果总结如下:1)开展了数据整理入库和数据分组工作。本文将获取的病穗率数据和气象数据进行整理入库,方便实验的使用调用。选择安徽省多个市县的小麦赤霉病病穗率数据以及多年的3-5月气象数据做为样本数据,按旬对气象因子进行分组,方便对小麦赤霉病病穗率和几十个自变量因子进行研究。2)构建了基于多元回归分析的安徽省小麦赤霉病预测模型。首先针对54种气象因子数据进行相关性分析,筛选出相关系数最大的三项因子,紧接着对这三项因子的交叉因子项进行相关性分析,进而分别建立出含气象因子和交叉因子项的预测模型。3)构建了基于BP神经网络的安徽省小麦赤霉病预测模型。首先把通过相关性检验的气象因子作为神经网络的输入,将小麦赤霉病病穗率数据作为神经网络的输出,然后通过确定权值、阈值、传递函数来建立BP神经网络关于小麦赤霉病的预测模型。模型在训练集的准确率可达90%以上,测试集的最高准确率可达68%。4)构建了基于支持向量机多分类算法的安徽省小麦赤霉病预测模型。首先需要选择多分类支持向量机的算法,将已经分组的样本数据依次使用算法进行运行,针对各组使用测试集进行准确率验证。该模型在训练集的平均准确率可达90%以上,测试集的最高准确率可达90.9%。5)开展了三种预测模型之间对比分析的工作。全文使用三种方法构建小麦赤霉病的预测模型,对三种方法构建的模型进行优劣性的比较分析,综合来看,支持向量机多分类的方法构建的赤霉病预测模型准确率较高,有实际应用和推广价值。本文通过以上实验发现三月气象数据与赤霉病病穗率相关性不大,符合赤霉病不会在三月份爆发的实际情况。小麦赤霉病的感染爆发期在四月中旬,四月下旬的影响较弱,五月上旬是小麦赤霉病全面爆发期。小麦赤霉病的预测模型围绕这个实验结论进行对比优劣总结分析,筛选出理想的安徽省小麦赤霉病预测测模型。