花生葉斑病模擬模型與病蟲害預測專家系統(tǒng)的研究.pdf

1、通過采用農藝措施改變花生源庫比處理，研究了花生葉斑病發(fā)展動態(tài)及與源庫指標的關系，建立了以源庫指標、生育時期為自變量的預測模型。另外，對前人研究成果和文獻資料進行整理、歸納、分析、建模，研究了花生主要病害、蟲害的診斷、預測預報的方法。應用Visual Basic6.0編程技術、Access2000數(shù)據(jù)庫技術與專家系統(tǒng)開發(fā)技術想結合，研發(fā)了花生病蟲害診斷、預測與規(guī)劃防治方案的計算機專家系統(tǒng)。 1、花生葉斑病發(fā)展動態(tài)與模擬模型以花生新

2、品種山花7號為試驗材料，在盛花期噴施0、100、150、200mg/kg等不同濃度的多效嘩，通過控制花生植株地上部的營養(yǎng)生長，達到改變花生植株源庫比的目的，同時觀測植株生長和葉斑病發(fā)展動態(tài)。經過相關性分析表明，花生葉斑病與源庫比密切相關，用葉面積比莢果干重再乘以植株干物重作為源庫比變化的指標更能表現(xiàn)規(guī)律性，定義為源庫指數(shù)。研究表明，花生各生育時期源庫指數(shù)越大，病情指數(shù)越低。 經過回歸分析和曲線擬合，葉斑病病情指數(shù)發(fā)展動念符合Y=

3、Y<,0><'*>exp(Rd<'*>td)模型，用其分別建立不同處理的病情指數(shù)的動念模型，獲得病情指數(shù)相對增長速率R<,d>，分別為0.022974、0.024686、0.026292、0.026973。以每個生育時期4個處理的源庫指標作自變量，分別建立6個時期病情指數(shù)相對增長速率Rd與源庫指標的擬合方程Rd=P<,A>十P<,B><'*>Xi，獲得6組P<,A>、P<,B>。經曲線擬合，不同生育進程的P<,A>=f(d)=0.035

4、97+0.00019<'*>d+-3.23815E-06<'*>d^2和P<,B>=f(d)=-0.02445<'*>Exp(0.02089<'*>d)，從而引入生育時期自變量。建立了病情指數(shù)相對增長速率R<,d>=f(Xi，d)(d為生育時期，Xi為源庫指標)的模擬模型。根據(jù)Y=Y<,0><'*>exp(R<,d><'*>t<,d>)建立葉斑病預測模型L=f(d，Xi，t)=L<,0><'*>exp(R<'*>t)，經模型檢驗不同處理

5、的預測值與實測值，其RMSE變化為0.80％-1.37％，達顯著水平。 由于該模型采用了經典生長分析的原理，只要了解某一時期的初始病情指數(shù)，即可根據(jù)該期的源庫指標，預測之后任意一天(t)的葉斑病病情指數(shù)。因此適應各種生產條件。 2、花生病蟲害診斷、預測與防治措施專家系統(tǒng)。 (1)系統(tǒng)總體結構和功能通過查閱文獻資料，搜集整理了30種病害、50種蟲害以及13種缺素癥等方面的文獻和圖片資料，將其整理歸納分類成便于數(shù)據(jù)庫

6、檢索的檢索表，建立了花生病害診斷、蟲害診斷、缺素珍斷、氣象、品種、農藥等方面的數(shù)據(jù)庫。根據(jù)自前人研究成果，總結歸納出了花生葉斑病、花生銹病、花生病毒病及花生蚜蟲的預測預報模型。基于以上所搜集的資料，采用產生式規(guī)則的知識表示和系統(tǒng)診斷與用戶對照詳細資料相結合的方法，實現(xiàn)了花生主要病蟲害的預測預報、診斷、防治措施的規(guī)劃、信息咨詢和科學用藥咨詢等功能，并能夠通過知識庫管理和維護系統(tǒng)進行知識的修改、添加和刪除，實現(xiàn)知識的獲取和管理功能。

7、 (2)花生病蟲害診斷與診斷在病蟲害診斷模式選擇上，采取多途徑、多入口的方式。診斷樹模式依據(jù)病蟲害檢索表，將信息存放在數(shù)據(jù)表中，模擬人工檢索二叉表的過程，編程實現(xiàn)二叉檢索流程。缺素診斷模式采用人機對話模式，該模式根據(jù)用戶的回答(選擇)，逐個問題地縮小搜索范圍，得出診斷結果，提高了診斷的實用性和智能性。 (3)多媒體與數(shù)據(jù)庫相結合的技術多媒體技術和數(shù)掘庫技術相結合，構建了病蟲害彩色圖像咨詢識別系統(tǒng)。收集了近50幅花生病蟲害彩色圖像