本文關鍵詞：基于人工神經網絡和高光譜數據的松材線蟲病預測，由筆耕文化傳播整理發(fā)布。

【摘要】：由松材線蟲引起的松材線蟲病是一種極具危害的國際檢疫性病害,中國自1982年在南京中山陵發(fā)現(xiàn)該病以來,迅速在各地蔓延成災、防治難度大。高光譜成像技術具有波段連續(xù)、光譜范圍窄、數據量大等優(yōu)勢,對地物的分辨率高,同時,人工神經網絡在分類預測上的優(yōu)勢也已被廣泛認可�；诟吖庾V數據使用人工神經網絡作為分類預測的方法在農林業(yè)生產中已有一定運用。本研究以平湖黑松和余姚馬尾松在松材線蟲病影響下正常和各種病態(tài)的高光譜數據為基礎,通過方差分析法等數據分析方法對高光譜數據進行分析后,選取利于實驗開展的數據,利用多種人工神經網絡模型進行分類預測。結果表明,使用BP神經網絡、徑向基神經網絡、Elman神經網絡的平均預測準確率都較高,可以對松材線蟲病的正確和各種病態(tài)進行預測,并綜合預測正確率、時間、穩(wěn)定性等因素,說明上述三種神經網絡在松材線蟲病的預測上各有優(yōu)勢。
【關鍵詞】：松材線蟲病 人工神經網絡 分類預測
【學位授予單位】：浙江農林大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：S763.18;TP183
【目錄】：

• 摘要4-5
• ABSTRACT5-8
• 1 前言8-11
• 1.1 研究目的及意義8
• 1.2 國內外研究動態(tài)8-9
• 1.3 研究思路與內容9-11
• 1.3.1 研究思路9
• 1.3.2 論文內容概要9-11
• 2 松材線蟲病預測概述11-15
• 2.1 松材線蟲病概述11-12
• 2.1.1 松材線蟲的生物學特征11
• 2.1.2 松材線蟲病危害及分布11-12
• 2.1.3 松材線蟲病的傳播12
• 2.2 松材線蟲病防治簡述12-13
• 2.2.1 預防12-13
• 2.2.2 治理13
• 2.3 松材線蟲病預測的意義13
• 2.3.1 掌握松材線蟲病的擴散特點13
• 2.3.2 了解松材線蟲病的傳播機理13
• 2.4 松材線蟲病預測研究的現(xiàn)狀13-15
• 2.4.1 利用遙感技術進行早期監(jiān)測14
• 2.4.2 利用數學方法建立相關預測模型14
• 2.4.3 其他研究方法14-15
• 3 人工神經網絡與高光譜遙感技術15-22
• 3.1 人工神經網絡15-19
• 3.1.1 生物神經元與人工神經網絡15
• 3.1.2 人工神經網絡特點15-16
• 3.1.3 人工神經網絡發(fā)展16
• 3.1.4 人工神經網絡在相關領域的應用16-18
• 3.1.5 神經網絡與大數據18
• 3.1.6 人工神經網絡發(fā)展展望18
• 3.1.7 人工神經網絡模型18-19
• 3.2 高光譜遙感19-22
• 3.2.1 高光譜遙感概念19
• 3.2.2 高光譜遙感特點19
• 3.2.3 高光譜遙感的發(fā)展19-20
• 3.2.4 高光譜數據處理技術20
• 3.2.5 高光譜遙感在農業(yè)中的研究現(xiàn)狀20-22
• 4 松材線蟲病預測22-40
• 4.1 人工神經網絡預測的實驗過程22-23
• 4.2 松樹無病及病態(tài)分類23-24
• 4.3 高光譜數據的獲得及可行性分析24-27
• 4.3.1 高光譜數據的獲得24
• 4.3.2 利用圖形比較法對高光譜數據進行預測實驗可行性分析24-26
• 4.3.3 利用查閱文獻對高光譜數據進行預測實驗可行性分析26
• 4.3.4 利用方差分析法對高光譜數據進行預測實驗可行性分析26-27
• 4.4 實驗數據選取及預處理27-28
• 4.4.1 實驗波段選擇27-28
• 4.4.2 實驗數據預處理28
• 4.5 練習數據、輸出數據和測試結果正確性的確定28
• 4.6 使用BP神經網絡進行分類預測28-32
• 4.6.1 BP神經網絡及其模型28-29
• 4.6.2 BP神經網絡與多層感知器神經網絡的異同29-30
• 4.6.3 MATLAB工具箱中的BP神經網絡函數30
• 4.6.4 BP神經網絡算法30
• 4.6.5 BP神經網絡分類預測結果30-31
• 4.6.6 利用BP神經網絡分類預測簡析31-32
• 4.7 使用徑向基（RBF）神經網絡進行分類預測32-35
• 4.7.1 徑向基神經網絡及其模型32
• 4.7.2 徑向基神經網絡學習32
• 4.7.3 徑向基神經網絡與BP神經網絡的區(qū)別32
• 4.7.4 MATLAB工具箱的徑向基神經網絡函數32-33
• 4.7.5 徑向基神經網絡分類預測結果33-35
• 4.8 使用Elman神經網絡預測35-37
• 4.8.1 Elman神經網絡及其模型35
• 4.8.2 Elman神經網絡學習35
• 4.8.3 MATLAB工具箱中的Elman神經網絡函數35-36
• 4.8.4 Elman神經網絡分類預測結果36-37
• 4.8.5 利用Elman神經網絡分類預測簡析37
• 4.9 討論37-40
• 4.9.1 不同神經網絡模型對分類預測結果的影響37-38
• 4.9.2 學習時間38
• 4.9.3 選擇最佳神經網絡38-39
• 4.9.4 預測模型通用性分析39-40
• 5 結論40-41
• 參考文獻41-45
• 附錄45-54
• 個人簡介54-55
• 致謝55

【相似文獻】

中國期刊全文數據庫 前10條

1 李聰超;周鐵軍;;人工神經網絡在農業(yè)中的應用[J];農業(yè)網絡信息;2008年01期

2 金星姬;賈煒瑋;;人工神經網絡研究概述[J];林業(yè)科技情報;2008年01期

3 蔡煜東;李偉;許偉杰;;用自組織人工神經網絡鑒定小麥品種抗病性[J];北京農業(yè)科學;1993年06期

4 周志立,周學建,賈鴻社;人工神經網絡及其在車輛工程中的應用[J];拖拉機與農用運輸車;2000年05期

5 鄭金土,李麗,顧晨剛;人工神經網絡在現(xiàn)代農業(yè)園區(qū)機械化程度綜合評估中的應用[J];浙江大學學報(農業(yè)與生命科學版);2000年04期

6 張樹義,王立新;人工神經網絡在蝙蝠回聲定位叫聲識別方面的應用[J];動物學雜志;2001年04期

7 陳聯(lián)誠,唐獻全,郭建華;人工神經網絡模型在溫室種植環(huán)境自動檢測中的應用[J];華南農業(yè)大學學報;2001年03期

8 蔡昆爭;人工神經網絡在農業(yè)中的應用[J];農業(yè)系統(tǒng)科學與綜合研究;2001年01期

9 韋新,邊秀房,孫英明,吳曉玲;人工神經網絡在生物化學中的應用[J];山東省農業(yè)管理干部學院學報;2002年03期

10 苑韶峰,呂軍;人工神經網絡在我國水科學中的應用與展望[J];農機化研究;2003年04期

中國重要會議論文全文數據庫 前10條

1 吳兵;;一種具有語義分布的自構造的新人工神經網絡系統(tǒng)及其應用[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

2 劉R，

本文編號：393763