小波分析與非線性逐步回歸預(yù)測方法的實(shí)現(xiàn)與應(yīng)用.pdf

1、本文研究的問題是小波分析與非線性逐步回歸預(yù)測方法,主要討論該預(yù)測方法在農(nóng)業(yè)病蟲害預(yù)測中的應(yīng)用。我國是自然災(zāi)害嚴(yán)重多發(fā)國家,農(nóng)業(yè)病蟲害是我國的主要自然災(zāi)害之一,嚴(yán)重制約我國農(nóng)業(yè)經(jīng)濟(jì)的發(fā)展。研究農(nóng)業(yè)病蟲害的發(fā)生與氣候條件之間的關(guān)系,揭示其發(fā)生流行的氣候背景及其耦合機(jī)制,對于建立病蟲害氣象預(yù)測預(yù)報(bào)模式,提高病蟲害中長期預(yù)測預(yù)報(bào)的準(zhǔn)確率具有重要的現(xiàn)實(shí)生產(chǎn)意義。
　　論文的主要工作及結(jié)論如下:
　　1.本文給出小波分析與非線性逐步回歸

2、相結(jié)合的農(nóng)業(yè)病蟲害預(yù)測模型。針對實(shí)際農(nóng)業(yè)病蟲害發(fā)生情況以及氣候變化復(fù)雜的特征和不確定性,應(yīng)用小波分析理論,對原始病蟲害發(fā)生情況及氣象數(shù)據(jù)進(jìn)行消噪處理,觀察消噪后的數(shù)據(jù)更易于找尋農(nóng)業(yè)病蟲害的發(fā)生規(guī)律及其與氣象因子之間的關(guān)系。逐步回歸是多元線性回歸方法,當(dāng)自變量和因變量間的關(guān)系不能簡單地表示為線性方程時(shí),擬合預(yù)測的效果可能并不理想。為了得到最佳擬合結(jié)果,需要將線性推廣至非線性。分別對小波分解后的7條序列進(jìn)行一次到高次的逐步回歸分析,以復(fù)相關(guān)

3、系數(shù)R為判斷標(biāo)準(zhǔn),選取R最大時(shí)的擬合結(jié)果。將模型擬合結(jié)果與僅進(jìn)行逐步回歸方法的擬合結(jié)果進(jìn)行比較,判斷該方法的優(yōu)劣性。為了對農(nóng)作物未來的發(fā)病情況進(jìn)行預(yù)測,采用非平穩(wěn)時(shí)序分析ARIMA模型對氣候因子進(jìn)行擬合預(yù)測,將得到的結(jié)果輸入農(nóng)業(yè)病蟲害擬合模型,即可對農(nóng)業(yè)病蟲害未來的發(fā)病情況進(jìn)行預(yù)測。
　　2.使用LabVIEW與Matlab軟件混合編程開發(fā)農(nóng)業(yè)病蟲害預(yù)測系統(tǒng)。LabVIEW對一般信號(hào)的分析處理非常方便易于操作,但對于需要進(jìn)行大量數(shù)

4、據(jù)運(yùn)算處理的復(fù)雜應(yīng)用力不從心。Matlab具有強(qiáng)大的計(jì)算功能及較高的編程效率。采用圖形化編程軟件LabVIEW和數(shù)學(xué)工具軟件Matlab混合編程設(shè)計(jì)實(shí)現(xiàn)小波分析與非線性逐步回歸組合模型的農(nóng)業(yè)病蟲害預(yù)測系統(tǒng),簡化操作過程且對該方法有更為直觀的認(rèn)識(shí)。
　　3.本文以安徽省沿江區(qū)單晚水稻紋枯病為例,應(yīng)用該系統(tǒng)對安徽省沿江區(qū)單晚水稻紋枯病病情作分析。選取宣城、和縣及潛山三個(gè)植保站2001年-2011年單晚水稻紋枯病病叢率、病株率、病指的記