全国农作物重大病虫预测预报系统

全国农作物重大病虫预测预报系统胡伯海（全国农业技术推广服务中心）【编者按】随着计算机在农业的普及应用，广大农业技术人员越来越多的用计算机解决农业技术工作的实际问题，但在计算机应用中也遇到不少困难，渴望能找一席之地，相互了解计算机应用情况。《农业计算机...

加强体系建设,改善监测手段 推进农作物病虫预测预报水平不断发展

针对农作物病虫预测预报工作存在着测报体系不完善、测报力量薄弱、测报设施设备简陋、测报技术水平低等主要问题,提出了加强测报队伍和体系建设,改善办公条件,加强技术装备等对策建议,以期不断提高病虫害预测预报水平,全面推进测报事业发展。

崇左市江州区主要病虫预测与综合防治技术的应用探讨

面对崇左市江州区病虫害的现状,积极寻找降低病虫危害的对策。在探索过程中发现可以通过监测管理、全面调查、建立档案等方式加强对于病虫的预测预报,同时做好农作物综合防治技术的各项实施措施,从而提高综合防治技术水平,减少农作物的损失。本文就崇左市江州区主要病虫预测与综合防治技术的应用展开讨论。

“病虫预测预报技术培训工作研讨会”在普洱召开

3月2日，由病虫害防治研究室主办，普洱综合试验站承办的“茶树病虫预测预报技术培训工作研讨会”在普洱市召开。病虫害监测与防控岗位专家彭萍研究员介绍了“茶树主要病虫害预测预报及防控技术”、中国农业大学植保专家介绍了“病虫害监测预警信息系统功能”。病虫害监测与防控岗位团队成员在会上通报了全部综合试验站一年来茶树病虫调查进展，并对病虫测报技术进行了热烈的讨论。会议还进一步强调了统一田间病虫调查方法、规范数据上报等事宜。

新时代烟叶种植过程中的病虫害预测以及防治

新时代烟叶种植中的病虫害预测和防治是农业生产中至关重要的一环。本文探讨了病虫害预测技术的发展和应用,介绍了多种预测方法和防治措施,旨在为烟叶种植者提供有效地预防和控制病虫害的策略,促进烟叶产业的可持续发展。

打造基于气象数据的农作物病虫害预测模型

利用精确的气象参数分析,可以实现对农作物病虫害发生趋势的早期预警。文章通过整合历史病虫害数据与实时气象信息,采用先进的统计与机器学习方法,成功建立了多因素综合预测模型,有效提升了病虫害预测的准确性和时效性。模型的应用不仅有助于农业生产者采取科学合理的防控措施,还促进了农业生产的可持续发展,对保障粮食安全具有重要意义。

烟叶种植过程的病虫害预测与防治技术初探

随着我国经济的不断发展,烟叶的种植技术也得到了快速发展,特别是在我国种植烟叶的区域,烟农已经掌握了很多种植技术,例如育苗、移栽、施肥以及病虫害防治等.由于种植烟叶需要很长的时间,在种植过程中也存在很多问题,所以很容易出现病虫害问题.由于病虫害的存在,烟叶产量降低,质量下降,不仅影响了烟叶产业的发展,而且会对人们的身体健康造成一定程度上的影响.因此,需要相关人员根据实际情况采取有效措施进行防治,降低病虫害对烟叶种植的影响.对烟叶种植过程中病虫害预测与防治技术进行分析研究,希望对我国烟农带来帮助.

基于案例推理(CBR)技术在病虫害预测中的应用

基于案例推理(Case-based reasoning,CBR)技术被认为是当今人工智能与专家系统设计的一种非常具有发展前景的方法。阐述了CBR技术的基本概念和工作原理,详细介绍了CBR技术在农作物病虫害预测中的应用,并对其今后的应用前景和存在问题作了概述。

基于GP的病虫害预测系统的研究

分析了遗传程序设计算法的特点,针对全局搜索优化中由于群体规模较大而产生的收敛率较低的问题,提出了加强初始群体的改进方法;并介绍了改进方法的实验过程,以及应用该方法开展的病虫害预测系统的建模过程。最后给出了在一定程度上的具体实现。

一种改进的深度置信网络在棉花病虫害预测中的应用

【目的】棉花病虫害发生和发展主要与环境信息相关,由于环境信息多且复杂多变,使得棉花病虫害预测方法研究具有一定的挑战性。本文旨在探索及时、准确地预测棉花病虫害的方法。【方法】提出1种基于环境信息和深度信念网络的棉花病虫害预测模型。该模型由3层限制玻尔兹曼机网络(Restricted Boltzmann machines,RBM)和1个监督反向传播(Back-propagation,BP)网络组成,利用RBM将环境信息数据转换到与病虫害发生相关的新的特征空间,利用BP网络对最后1层输出的特征向量进行分类预测,利用动态学习率和对比分散准则加快RBM的训练过程,并利用该模型对近6年棉花的棉铃虫、棉蚜虫、红蜘蛛和黄萎病、枯萎病进行预测试验。【结果】与传统棉花病虫害预测模型相比,提出的预测模型能够深度挖掘棉花病虫害发生与环境信息之间的深层次相关关系,具有更高的预测精度,预测平均正确率在83%以上。【结论】该方法是1种有效的农作物病虫害预测方法,为棉花病虫害防治提供了有效的技术支持。

基于AdaBoost改进算法的农作物病虫害预测模型研究

提出了一种基于改进的Boosting算法的病虫害预测新模型。针对当前全球气候变化异常造成传统的病虫害预测的模型预测的准确率不高,根据气象因子定位可疑虫灾区域,对可疑病虫害区域提取突发病虫害的特征值,以消除气候规则变化带来的干扰。结果表明:与传统的预测模型相比,该模型具有较低的误报率和漏报率,并提高了预测模型的学习效率。

基于性能改善深度信念网络的棉花病虫害预测方法

针对与棉花病虫害发生相关的环境信息数据具有大容量、多样性的特点,提出一种基于环境信息和改进深度信念网络(MDBN)相结合的棉花病虫害预测模型。该模型由3层限制玻尔兹曼机(RBM)网络和1个BP网络组成。利用MDBN提取与病虫害发生相关的特征变量,并利用BP神经网络进行病虫害预测。该方法的特点是将自适应学习率引入到DBN的无监督预训练阶段,并从训练数据批次的选择、参数调优的迭代周期以及在线学习训练等多个方面对MDBN的性能进行优化和改善,从而能够利用MDBN充分挖掘数据集中病虫害预测的特征向量,提高网络的预测精度。对实际棉花病虫害的预测结果表明,MDBN比传统预测模型具有更高的预测精度,是一种有效的农作物病虫害预测方法。

《农作物病虫害预测预报》课程教学改革初探

作物病虫害预测预报是植物保护专业学生的一门重要的专业课,根据有害生物综合治理原则"预防为主,综合防治",作物病虫害预测预报是有害生物综合治理的基础,也是做好田间作物病虫害防治的前提条件,因此,该课程对于植保专业的学生来说至关重要。在教授该课程中,笔者对教学方法进行了初步的探索与改革,取得了较好的教学效果,不仅提高了学生的学习兴趣,同时培养了学生的创新能力和理论联系实际的能力。

基于规则的离群数据挖掘在病虫害预测中的应用

描述了离群数据挖掘的基本理论以及经典算法,提出附加约束的基于规则的离群数据挖掘算法,并根据过去几十年数据的特点,提出了一种运用离群数据挖掘进行病虫害预测的模型。实验证明,通过对实际病虫害气象数据进行挖掘,预测的结果合理,预测效率提高。

基于神经网络的农业病虫害损失预测

鉴于农业病虫害经济损失的预测具有较强的复杂性和非线性特性,设计了一种新型的GRNN预测模型,对农业病虫害经济损失进行预测。该模型基于人工神经网络捕捉非线性变化独特的优越性,在神经网络技术和江苏省气象局提供的数据的基础上,利用MATLAB人工神经网络工具箱及GRNN广义回归神经网络建立预测模型,来提高农业病虫害经济损失预测的精度。预测结果表明,该方法建立的模型可以实现对病虫害经济损失的预测,且其预测精度较高。

病虫害预测模型比较

对目前在病虫害预测模型中研究较成熟,应用较广泛的BP神经网络、RBF神经网络、以及具有反馈功能的Elman神经网络模型进行了比较。

天津市2012年主要农作物病虫害预测

综合病虫害上年发生、防治情况及天气条件等相关因素,天津市植保植检站预计2012年全市主要病虫害将呈中等至中等偏重程度发生。

基于机器学习和图像处理技术的病虫害预测

针对传统病虫害预测过于繁琐、准确度低的现状,提出一种基于图像处理与SVM(支持向量机)结合的病虫害预测算法,并对未来几年病虫害可能发生的面积进行了有效预测.首先通过图像滤波、特征提取等图像处理技术得到昆虫数学形态学特征,然后结合往年病虫害数据对特征进行标签设定和科学分类,继而对未来病虫害的发生进行合理预测.通过构建动态预测模型进行有效的、科学的病虫害预测预报.最后,通过与实际值进行对比,预测精度达到了90%.实验结果表明,该方法具备较好的预测精度,是一种合理科学的预测方法.

高职高专植物病虫害预测预报课程教学改革初探

我国高职高专人才培养目标是培养社会急需的高等技术应用型人才,"植物病虫害预测预报"是一门综合性和技术性较强的课程,为了提高学生的实践操作能力、创新能力、独立解决问题的能力,促进教学质量的提升,就该课程的教学内容、教学方法、实践模式及考试方式的改革提出了自己的见解。