森林病蟲害在我國的危害面積始終居高不下,一直是嚴重制約我國林業(yè)發(fā)展的重大問題。松毛蟲是我國森林的一類重要害蟲,其危害嚴重影響了我國林木生長和森林資源的安全。因而,及時準確地對松毛蟲的發(fā)生趨勢進行預測預報十分必要。蟲害的發(fā)生受到多種因素的影響,是一種復雜的非線性關系,傳統(tǒng)的預測方法大多為基于線性的預測,導致預測效果不夠理想,需要搜尋更為科學先進的預測方法來提高預測的準確性,真正做到對害蟲發(fā)生趨勢的科學預測。馬尾松毛蟲和落葉松毛蟲是發(fā)生較為嚴重的松樹葉部害蟲。本研究以這兩種害蟲歷年發(fā)生面積作為研究樣本,利用多層前饋神經網(wǎng)絡（MLFN）、廣義回歸神經網(wǎng)絡（GRNN）以及支持向量機（SVM）三種機器學習算法對其發(fā)生面積進行預測,并將三種方法的預測結果與傳統(tǒng)的多元線性回歸預測方法相比較,通過均方根誤差（RMSE）、預測準確率以及模型的訓練時間作為評價標準,綜合對比來評價各模型的性能。以確定機器學習在蟲害預測中的可行性,進而尋求一種對松毛蟲發(fā)生趨勢預測的有效方法。結果顯示:（1）在針對于馬尾松毛蟲的預測中,GRNN模型的RMSE值為1.92,遠大于多元線性回歸（RMSE=0.494）、MLFN 模... 

【文章來源】：東北林業(yè)大學黑龍江省 211工程院校 教育部直屬院校

【文章頁數(shù)】：57 頁

【學位級別】：碩士

【部分圖文】：

fAAT,FN原理圖

．－ｗｅｅｎｅｗｏ?ｎｅｕｒｏｎｓ?／?ａｎ２．２．２．２廣義回歸神經網(wǎng)絡（ＧＲＮＮ）??廣義回歸祌經網(wǎng)絡（ＧＲＮＮ）最早由Ｓｐｅｃｈｔ提出［６６］，—個完整的ＧＲＮＮ有４層，包??括：輸入層、模式層、求和層和輸出層（圖２－３）?［６７’６８’６９，７（）］，其中網(wǎng)絡輸入為??Ａ＂－?［Ｘ／，?Ｘ。，．?？?．ｘ，，］＇，輸出為｝＾?…乃］７。??（１）輸入層：輸入層保持其相應的自動模式，直接將輸入的變量傳遞到模式層。??

通過尋找最優(yōu)超平面，把所有樣品通過最大間隔進行分類，是支持向量機的基??本原理［７１’７２’７３’７４］。最優(yōu)超平面不僅有助于提高模型的預測能力，也有助于減少偶爾出現(xiàn)??的錯誤分類。圖２－４說明了最優(yōu)超平面，用“紅色”代表的樣本類型１，“藍色”代表樣本??類型－１。??＇?＇?＇?＇?？?？〇〇凸??＞？〇??Ｓｕｐｐｏｒｔ?ｖｅｃｔｏｒ－?＾?Ｓｕｐｐｏｒｔ?ｖｅｃｔｏｒ??〇〇〇〇ｘ?＼??圖２－４支持向量確定最優(yōu)超平面的位置??Ｆｉｇ．２－４?Ｔｈｅ?ｓｕｐｐｏｒｔ?ｖｅｃｔｏｒｓ?ｄｅｔｅｒｍｉｎｅ?ｔｈｅ?ｐｏｓｉｔｉｏｎ?ｏｆ?ｔｈｅ?ｏｐｔｉｍａｌ?ｈｙｐｅｒｐｌａｎｅ??ＳＶＭ可以很好地應用于函數(shù)擬合問題中，本工作采用支持向量回歸算法，對線性??－１０－??

【參考文獻】：
期刊論文
[1]林業(yè)有害生物災害損失評估研究進展[J]. 梁倩玲,劉萍,陳夢,劉忠軍,盛兆湖,蘇延樂.  林業(yè)資源管理. 2015(02)
[2]淺談大數(shù)據(jù)分析在生態(tài)林業(yè)上的運用[J]. 藍學,韋緒,覃德文.  經濟研究導刊. 2015(06)
[3]基于人工神經網(wǎng)絡的落葉松毛蟲發(fā)生量預測模型的研究[J]. 楊淑香,趙慧穎,包興華.  中國農學通報. 2014(28)
[4]大數(shù)據(jù)時代林業(yè)科普信息化發(fā)展研究[J]. 郭建斌,秦向華,萬志紅,李平.  經濟師. 2014(09)
[5]基于相空間重構及GRNN的海防林害蟲預測及效果檢驗[J]. 田萬銀,徐華潮.  浙江林業(yè)科技. 2014(02)
[6]淺談機器學習方法[J]. 甄盼好.  網(wǎng)絡安全技術與應用. 2014(01)
[7]多元線性回歸與BP神經網(wǎng)絡預測模型對比與運用研究[J]. 張景陽,潘光友.  昆明理工大學學報(自然科學版). 2013(06)
[8]MATLAB軟件在數(shù)學建模中的應用[J]. 華穎.  價值工程. 2013(26)
[9]基于GIS的專家系統(tǒng)和決策支持系統(tǒng)在林業(yè)中的應用研究綜述[J]. 王建明,張雁,尹繼庭,趙南.  中南林業(yè)調查規(guī)劃. 2012(03)
[10]人工神經網(wǎng)絡的發(fā)展及應用[J]. 毛健,趙紅東,姚婧婧.  電子設計工程. 2011(24)

博士論文
[1]基于SVM和GIS的梨小食心蟲預測系統(tǒng)的研究[D]. 陳梅香.北京林業(yè)大學 2010

碩士論文
[1]落葉松毛蟲成蟲種群數(shù)量監(jiān)測技術研究[D]. 王文龍.北京林業(yè)大學 2014
[2]基于GRNN神經網(wǎng)絡的農作物蟲害量預測系統(tǒng)設計[D]. 金帥軍.內蒙古工業(yè)大學 2013
[3]基于MATLAB GUI的多功能計算系統(tǒng)設計及實現(xiàn)[D]. 鄧昌瑞.南昌大學 2012
[4]落葉松毛蟲預測模型與模擬研究[D]. 高倩.河北農業(yè)大學 2012
[5]基于MATLAB GUI的數(shù)字圖像處理系統(tǒng)設計[D]. 李磊.成都理工大學 2012
[6]機器學習方法在雷達定量測量降水及臨近預報中的應用研究[D]. 蔣志.中國氣象科學研究院 2012
[7]馬尾松毛蟲害遙感監(jiān)測及其影響因子分析[D]. 陳福海.福建農林大學 2012
[8]基于模糊神經網(wǎng)絡的森林蟲害預測預報的應用研究[D]. 戚瑩.東北林業(yè)大學 2011
[9]仙居縣馬尾松毛蟲發(fā)生量預測的研究[D]. 陳繪畫.浙江農林大學 2010
[10]林業(yè)有害生物災害預測模型設計與實現(xiàn)[D]. 謝芳毅.北京林業(yè)大學 2009



本文編號：2961966