基于多粒子群零样本神经架构搜索的道路病害预测

为解决道路病害预测中手工设计网络面临的效率低,准确性差以及易陷入局部最优的问题,提出基于多粒子群零样本神经架构搜索方法,自动探索用于道路病害预测的最佳神经架构。先利用多粒子群策略在尺度自适应搜索空间初始化高质量架构;后采用粒子群动态自适应更新架构,防止陷入局部最优;再结合零样本学习、参数和浮点运算进行多目标优化,实现轻量化并提高预测精度。结果表明:1)尺度自适应搜索空间能有效捕捉多尺度道路病害信息;2)粒子群动态自适应更新避免了搜索过程陷入局部最优;3)多目标优化使得算法在分类准确率、F1分数、卡帕系数、AUC、指数平衡和搜索效率方面分别提升19.34%、23.37%、23.77%、4.28%、20.26%和91.30%。

基于叶绿素荧光光谱指数的温室黄瓜病害预测

温室蔬菜病害的发生及大面积流行严重影响设施农业的生产管理,大大降低设施农业的经济效益。为了实现温室蔬菜病害的无损准确预测,以黄瓜霜霉病害为例,利用激光诱导叶绿素荧光构建光谱特征指数,建立了温室蔬菜病害的预测模型。在试验中采用对比分析的方法,通过对作物健康叶片接种病菌孢子,分别采集健康、接种2d、接种6d和出现明显病症共4组试验样本的光谱曲线,定性分析了荧光强度随叶片样本感染病菌孢子的变化规律;利用光谱曲线不同波段峰谷值创建了叶绿素荧光光谱指数k_1=F_(685)/F^(512)和k_2=F_(734)/F^(512),根据数值的变化范围,设定k_1和k_2分别为20和10时可以作为判断样本出现明显病症与未出现明显病症的特征值,其判断的准确率分别达到96%和94%;利用构建的光谱指数与样本健康状况的分类结果,选择光谱指数F_(685)/F^(512),F_(685)-F_(734),F_(715)/F_(612)可以定性判断样本健康状况,并选择光谱指数F_(685)/F^(512),F_(734)/F^(512),F_(685)-F_(734),F_(715)/F_(612)作为建立定量分析模型的输入量,以预测集分类准确率作为评价标准,对比判别分析、BP神经网络、支持向量机三种数据建模方法,结果表明支持向量机作为霜霉病害预测的建模方法,其预测能力达到91.38%。利用激光诱导叶绿素荧光构建光谱指数方法,研究植物病害的预测问题,具有很好的分类和鉴别效果。

番茄专家系统环境数据库在病害预测中的应用

番茄是我国各地菜区的主栽品种之一,其病害发生与温度、湿度较高且时间较长有关系。基于对生长番茄日光温室多年环境数据的综合,建立了周年连续的温湿度数据库(称为温室环境通用数据库),将其用于温室番茄专家系统,可以依此数据库中的温湿度数据对番茄病害发生进行预测预警,并可借助新数据的采集对原有环境数据库进行改进、补充和完善,为温室蔬菜生产中采收期预测和生产技术的制定及病害预防提供数据支持,实现温室生产的智能化管理。

基于环境因子的黄瓜病害预测研究

日光温室中病害的预测预报是病害管理的重要组成部分,也是有效防治和控制病害发生发展的依据,更是农业生产管理和决策的前提。植物生长发育进程明显受到温度的影响,而病害发生又与长时间高温度和高湿度相联系。以往的病害预测多是基于对植物本身的病害特征、种植方法和农药的用量来实现的,多是如何防止。因此,病害早期的预测、预报和防治显得非常重要。为此,根据已有的专家知识库建立以环境数据(即温度和湿度)为输入的神经网络病害预测模型,通过此模型用实际的环境数据再预测未来病害,从而减少病害发生的概率,获得速生高产与优质高效的农产品,实现经济效益最优的目标。

基于环境信息和深度自编码网络的农作物病害预测模型

为了有效预测农作物病害,基于深度自编码网络,提出一种农作物病害预测模型。该模型能够自动从农作物环境信息中学习到主要的非线性组合特征,提高病害的预测精度。首先利用与农作物病害发生相关的环境信息构建病害预测的特征向量,并确定病害的4种预测状态,然后通过深度自编码网络从大量无标签的特征向量集中自动学习到可预测病害发生的深层特征的隐层参数,生成新特征向量集,再对有标签的新特征向量集进行学习,生成病害预测分类器,由此预测病害发生的等级。对黄瓜3种常见病害进行预测试验,平均预测准确率高达86%以上。试验结果表明,该模型是有效可行的,且具有较好的自学习更新能力。

安徽省小麦主要病害预测及管理系统研究

利用VisualBasic6.0组建了安徽省小麦纹枯病和赤霉病等病害预测及管理系统,系统由病害诊断、预测及防治决策、系统说明等模块组成。整个系统采用菜单提示选择和人机对话方式,使用者只需在合适的运行环境下启动该系统,便可出现主菜单,然后根据自己的目的,从菜单中选择所要执行的项目或输入必要的信息,即能得到满意的运行效果。系统的用户界面友好,一切操作均有屏幕汉字提示。系统经过测试,达到了设计要求,能够准确可靠地运行,与传统的人工管理系统相比,具有明显的优越性。

基于优化神经网络的温室厚皮甜瓜病害预测

在温室环境中,厚皮甜瓜较易感染一些病害,而传统的病害预测模型收敛速度慢,易在局部局限在极小值,为准确预测温室厚皮甜瓜病害,在BP神经网络的基础上进行优化,引入了遗传算法,在全局最优解的附近进行局部搜索,以遗传算法的全局搜索能力克服了传统神经网络的局部极小值问题与收敛速度缺陷。经以Matlab对试验数据进行仿真分析,证实引入遗传优化算法进行温室厚皮甜瓜病害预测误差显著减小,取得了较理想的拟合结果。

基于蒸腾速率与光谱特征的松材线虫病害预测

【目的】明确马尾松感染松材线虫病初期蒸腾速率与光谱特征的变化规律及相互关系,以解决病害潜伏期表征不易鉴别的问题,为在遥感监测中特征参数的选取提供理论参考。【方法】以福建省泰宁县马尾松林为例,分别对感染松材线虫病后4个病害阶段(健康期及病害初期、中期、末期)马尾松的蒸腾速率进行测定,分析其在不同病害阶段的变化规律;再对健康期及病害初期马尾松的光谱数据进行采集,以这2个阶段的蒸腾速率为基准,分析其蒸腾速率与原始光谱及光谱特征参数(红边位置、红边斜率、红谷位置、红谷反射率、红边比值植被指数和红边归一化植被指数)的关系。【结果】马尾松蒸腾速率随着病害的加重而逐渐减弱;健康期及病害初期马尾松蒸腾速率与原始光谱有一定的相关性,相关关系因波长的不同而不同,最大值在753nm处,相关系数达到0.86;蒸腾速率与红边参数有较高相关性,拟合结果R2均大于0.7,其中与红边比值植被指数相关性最高,R2达到0.851 5。【结论】在外界因素一致的情况下,马尾松蒸腾速率对预测病害的发生有一定的指示作用,近红外波段及红边参数与蒸腾速率有较高相关性,可以利用特征光谱对松材线虫病进行早期预测。

集成学习在运营隧道病害预测中的研究与应用

轨道交通运营安全是城市安全的重要保障。隧道是城市轨道交通的主要形式之一,其结构安全受地质条件、施工质量等各种复杂因素影响,各种因素之间会形成复杂的非线性关系。及时的预警隧道结构病害,有利于降低地铁运营风险,保证地铁隧道长期运营。传统的隧道结构安全评估是从发现已有的病害出发,评估分析已有病害发展规律,再提出维护方案,目前还末有直接预测病害发生的相关研究。机器学习算法可以综合考虑各种影响因素,通过训练模型逼近病害与其影响因素之间的复杂非线性关系,从而预测下一阶段病害的发生。利用机器学习算法中的两种典型的集成学习算法-随机森林算法和XGBoost算法,训练隧道结构病害预测模型,并通过预测结果与真实结果的对比,根据准确率、召回率、F1值等评价指标,评估预测模型效果。实验证明,预测模型准确率可达90%以上,F1值可达80%以上,预警模型可为政府和隧道维保部门提供辅助决策支持。

广东4月水产养殖病害预测

4月份广东省降水较多，气候变化大，水温逐渐上升，病菌、寄生虫也进入活跃期。预测各地气温在13～31℃之间，呈北低南高的分布，平均气温在25℃左右，养殖水温在15～24℃，平均水温在20℃左右。

病害测报 广东5月水产养殖病害预测

5月份广东省降水较多，雷雨天气频繁，气候变化大，水温逐渐上升，预测各地月平均气温在19℃～33℃之间，呈北低南高的分布，平均气温在25℃左右。养殖水温在16℃～28℃，平均水温在22℃左右。

2006年7月宁波市水产养殖病害测报情况分析及下月病害预测

根据对北仑区、慈溪市、奉化市、宁海县、象山县、鄞州区和余姚市等7个宁波市水产养殖病害测报区的监测情况,综述了南美白对虾、三疣梭子蟹、青蟹、大黄鱼、鲈鱼和甲鱼等6个测报品种的2006年7月份病害发生情况和防治措施,预报了2006年8月份网箱养殖和池塘养殖的主病害,并提出了主要预防措施。