马尾松毛虫幼虫发生严重程度的预测研究

摘要：

为了提高马尾松毛虫幼虫发生严重程度的预测精度,寻求简便准确的预测方法,采用时间平稳序列法、回归预测法、马尔科夫链法、BP神经网络法和列联表多因子多级相关分析法对安徽省潜山县1983-2014年的马尾松毛虫越冬代、一代和二代幼虫发生的严重程度进行预测,研究历史符合率,并用2015年和2016年的实际发生情况验证.结果表明,平稳时间序列法,列联表多因子多级相关分析法计算简便,预测结果准确;BP神经网络法和马尔科夫链法预测结果非常准确.回归模型中以当代卵盛期卵量预测当代幼虫发生严重程度的一元回归模型的预测结果准确性高,其余一元回归模型预测结果稍差,多元回归模型和逐步回归模型优于一元回归模型.BP神经网络模型是一种理想的预测模型.

关键词：马尾松毛虫、预测、平稳时间序列、BP神经网络、马尔科夫链

所属期刊栏目：44

分类号：S763.305(森林保护学)

资助基金：国家林业公益性行业科研专项201404410

在线出版日期：2017-12-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：882-893