学位论文 > 优秀研究生学位论文题录展示

稻麦主要病虫的CBR预测模型参数优化及知识库构建

作　者: 张沙沙
导　师: 丁克坚
学　校: 安徽农业大学
专　业: 植物病理学
关键词: CBR 预测参数优化筛选研究知识库识别诊断
分类号: S435.1
类　型: 硕士论文
年　份: 2013年
下　载: 17次
引　用: 0次
阅　读: 论文下载

内容摘要

本试验应用CBR方法建立了以时间序列为轴线的病虫滚动预测模型,利用安徽省农作物病虫数据库对稻、麦主要病虫害的影响因子筛选、参数优化,确定稻、麦各主要病虫CBR预测模型因子、参数构架；并研究构建了安徽省小麦、水稻病虫害识别诊断知识库。农作物病虫害监测预报是进行病虫害综合防治的基础。本文提出了一种用于稻麦病虫害预测的新方法——基于案例推理的时间序列数据的相似年分析(CBR),并主要对其预测因子、参数进行了优化筛选。基于案例推理的方法就是通过搜索曾经成功解决过的类似问题,比较新、旧问题之间的特征、发生背景等差异,重新使用或参考以前的知识和信息,达到最终解决问题的方法。结合安徽省各生态区域的气候特点、地理位置及各病虫害的发生情况,用CBR对稻麦主要病虫害的预测预报研究,首先利用各代表县的年报历史资料建立时间序列历史案例库,再按照指定或预先设定因子匹配规格和权重参数来构建相似度函数,然后逐一计算目标案例与历史案例的匹配程度,最终选取与目标案例相似程度最高的历史案例的结论作为预测结论；在预测过程中,未来相关的预报数据也可加入目标案例的时间序列中参与计算。本研究分别筛选出了小麦赤霉病、小麦白粉病、小麦纹枯病、小麦蚜虫、水稻纹枯病、稻瘟病等主要病虫害的CBR预测因子及参数,经回检,小麦赤霉病、小麦纹枯病、小麦蚜虫、水稻纹枯病、稻瘟病的预测准确率皆达到80%以上,小麦白粉病的预测准确率为77.05%。其中,小麦赤霉病大流行年份的预测准确率达70%左右。因此,该预测参数具有一定的可靠性,可作为CBR模型预测稻麦病虫害的依据。利用Visual Basic6.0研究构建了安徽省稻麦病虫知识库,为构建该知识库,收集了安徽省稻麦常见病虫害的文字描述资料和图片资料,包括不同病害在农作物不同部位的发病症状描述、典型症状图片及常规的防治方法等,通过计算机语言将文字和图片有机地结合起来,使得稻麦病虫害的识别诊断更加直观、简易。用户登陆系统后进入主菜单,根据自己的需要,从菜单中选择所要执行的项目或输入必要的信息。该知识库具有图文并茂、种类较全、通俗易懂、操作简单、实用性强等特点,为基层植保工作人员的田间识别诊断提供了可靠依据。

全文目录

摘要  3-4
Abstract  4-7
1 文献综述  7-9
  1.1 小麦病虫害的发生情况  7
  1.2 水稻病虫害的发生情况  7-8
  1.3 国内外研究动态  8-9
2 引言  9-12
  2.1 研究目的及意义  9
  2.2 研究内容与方法  9-12
    2.2.1 稻麦主要病虫害预测预报方法综述  9-12
3 材料与方法  12-27
  3.1 CBR理论与方法  12-13
    3.1.1 基于案例推理方法的产生背景  12
    3.1.2 基于案例推理方法和过程  12-13
  3.2 实验设计  13-14
  3.3 数据来源及其处理  14-15
  3.4 CBR模型中预测参数优化所用系统介绍  15-16
  3.5 小麦常见病虫害CBR模型中预测因子筛选、参数优化  16-24
    3.5.1 小麦赤霉病预测因子、参数初优化  16-18
    3.5.2 CBR模型中小麦赤霉病短期预测预测因子筛选、参数优化  18-20
    3.5.3 CBR模型中小麦赤霉病中长期预测预测因子筛选、参数优化  20
    3.5.4 CBR模型中小麦赤霉病长期预测预测因子筛选、参数优化  20
    3.5.5 CBR模型中小麦白粉病预测因子筛选、参数优化  20-21
    3.5.6 CBR模型中小麦纹枯病预测因子筛选、参数优化  21-23
    3.5.7 CBR模型中小麦蚜虫预测因子筛选、参数优化  23-24
  3.6 水稻常见病虫害CBR模型中预测因子筛选、参数优化  24-27
    3.6.1 CBR模型中稻瘟病预测因子筛选、参数优化  24-26
    3.6.2 CBR模型中水稻纹枯病预测因子筛选、参数优化  26-27
4 结果与分析  27-39
  4.1 小麦主要病虫害CBR模型中预测参数的确定  27-35
    4.1.1 小麦赤霄病预测参数的确定  27-30
    4.1.2 CBR模型中小麦赤霉病短期预测预测参数的确定  30
    4.1.3 小麦赤霉病短期预测符合率  30-31
    4.1.4 CBR模型中小麦赤霉病中期预测预测参数的确定  31
    4.1.5 CBR模型中小麦赤霉病长期预测预测参数的确定  31-32
    4.1.6 小麦赤霉病短期、中期、长期预测符合率比较  32-33
    4.1.7 CBR模型中小麦白粉病预测参数的确定  33-34
    4.1.8 CBR模型中小麦纹枯病预测参数的确定  34
    4.1.9 CBR模型中小麦$牙虫预测参数的确定  34-35
  4.2 水稻常见病虫害CBR模型中预测因子、参数的确定  35-39
    4.2.1 CBR模型中稻瘟病预测因子、参数的确定  35-37
    4.2.2 CBR模型中水稻纹枯病预测因子、参数的确定  37-39
5 安徽省稻麦常见病虫知识库的构建  39-41
  5.1 资料来源和系统介绍  39-40
  5.2 检索表诊断  40
  5.3 图片诊断  40-41
6 结论与讨论  41-43
  6.1 结论  41
  6.2 讨论  41-43
参考文献  43-48
致谢  48-49
个人简介及在读期间发表的学术论文  49

稻麦主要病虫的CBR预测模型参数优化及知识库构建

内容摘要

全文目录

相似论文