您好，欢迎访问北京市农林科学院 机构知识库！
北京市农林科学院机构知识库

全部

  • 全部
  • 标题
  • 学者
  • 机构
  • 关键词

基于遗传神经网络的全国小麦条锈病长期气象预测

文献类型： 中文期刊

作者： 靳宁 1 ; 黄文江 1 ; 景元书 2 ; 王大成 1 ; 罗菊花 1 ;

作者机构： 1.国家农业信息化工程技术研究中心

2.南京信息工程大学应用气象学院

关键词： 小麦条锈病;大气环流;主成分分析;遗传神经网络;长期气象预测

期刊名称： 中国农业气象

ISSN： 1000-6362

年卷期： 2009 年 30 卷 02 期

页码： 243-247+251

收录情况： CSCD

摘要： 为了提高反向传播(BP)神经网络模型预测小麦条锈病发病率的准确性和效率,以上年1月-当年3月组合的120个大气环流特征量为基础,定量分析大气环流特征量与全国小麦条锈病发病率之间的相关性并从中筛选出主要的影响因子;对影响因子进行主成分分析(PCA),提取累计贡献达到85.46%的前10个主成分作为预测因子;利用逐步回归、BP神经网络及遗传算法(GA)优化的BP神经网络三种模型进行预测,三种模型的预测精度均在80%以上,其中GA-BP神经网络模型的精度最高,达92.6%,而其训练步长仅为标准BP神经网络的1/4左右。通过PCA简化网络结构,同时运用GA优化网络初始权值和阈值,GA-BP神经网络模型可以较好的预测小麦条锈病的发病率。

  • 相关文献

[1]用不同模型进行小麦条锈病发生预测研究. 景元书,靳宁,黄文江. 2009

[2]小麦条锈病高光谱遥感监测技术研究. 蔡成静,王海光,安虎,史延春,黄文江,马占鸿. (Mis

[3]小麦条锈病高光谱遥感监测技术研究. 蔡成静,王海光,安虎,史延春,黄文江,马占鸿. 2005

[4]基于近地高光谱信息的小麦条锈病病情指数反演. 董锦绘,杨小冬,杨贵军,王宝山. 2016

[5]利用高光谱红边与黄边位置距离识别小麦条锈病. 蒋金豹,陈云浩,黄文江. 2010

[6]基于贝叶斯网络的小麦条锈病预测研究. 聂臣巍. 2014

[7]小麦条锈病高光谱近地与高空遥感监测比较研究. 蔡成静,马占鸿,王海光,张玉萍,黄文江. 2007

[8]结合冠层光谱和叶片生理观测的小麦条锈病监测模型研究. 艾效夷,宋伟东,张竞成,王保通,杨贵军,黄文江. 2016

[9]日光诱导叶绿素荧光与反射率光谱数据监测小麦条锈病严重度的对比分析. 赵叶,竞霞,黄文江,董莹莹,李存军. 2019

[10]基于数码图像的小麦条锈病病害程度分级方法. 蒋小敏,冯海宽,常红,杨贵军,杨小冬. 2021

[11]小麦品种温度互作中抗条锈微效基因的表达. 徐世昌,张敬原,吴立人. 2000

[12]多源数据小麦条锈病预测研究. 孔钰如,王李娟,张竞成,杨贵军,岳云,杨小冬. 2022

[13]小麦条锈病重要抗源京核8811品系抗性遗传机制. 张敬原,赵文生,吴立人,张继新. 2001

[14]基于VSURF-CA的小麦条锈病高光谱病情指数估测模型. 梅广源,李荣,梅新,陈日强,樊意广,程金鹏,冯子恒,陶婷,赵倩,赵培钦,杨小冬. 2024

[15]畜禽中药添加剂药效评价模型初探. 颜亭玉,王惠川. 2015

[16]基于高光谱成像的苹果轻微损伤检测有效波长选取. 黄文倩,陈立平,李江波,张驰. 2013

[17]主成分分析法与植被指数经验方法估测冬小麦条锈病严重度的对比研究. 陈云浩,蒋金豹,黄文江,王圆圆. 2009

[18]北京山地几种针叶林土壤酶特征及其与土壤理化性质的关系. 薛文悦,戴伟,王乐乐,戚俊,李晓红. 2009

[19]高光谱成像技术和主成分分析识别玉米籽粒的胚(英文). 黄文倩,李江波,张驰,张保华,张百海. 2012

[20]基于无人机数码影像的冬小麦氮含量反演. 刘帅兵,杨贵军,景海涛,冯海宽,李贺丽,陈鹏,杨文攀. 2019

作者其他论文 更多>>
置顶
购物车
反馈

© 京ICP备09089781号-29 主办单位：北京市农林科学院

学术资源： 中国农业科学院 农业专业知识服务系统 农科联盟资源共建共享平台 中国农业科技文献与信息服务平台 中国农业期刊集成服务平台