稻麥主要病蟲的CBR預(yù)測(cè)模型參數(shù)優(yōu)化及知識(shí)庫構(gòu)建.pdf

1、本試驗(yàn)應(yīng)用CBR方法建立了以時(shí)間序列為軸線的病蟲滾動(dòng)預(yù)測(cè)模型,利用安徽省農(nóng)作物病蟲數(shù)據(jù)庫對(duì)稻、麥主要病蟲害的影響因子篩選、參數(shù)優(yōu)化,確定稻、麥各主要病蟲CBR預(yù)測(cè)模型因子、參數(shù)構(gòu)架;并研究構(gòu)建了安徽省小麥、水稻病蟲害識(shí)別診斷知識(shí)庫。
　　農(nóng)作物病蟲害監(jiān)測(cè)預(yù)報(bào)是進(jìn)行病蟲害綜合防治的基礎(chǔ)。本文提出了一種用于稻麥病蟲害預(yù)測(cè)的新方法——基于案例推理的時(shí)間序列數(shù)據(jù)的相似年分析(CBR),并主要對(duì)其預(yù)測(cè)因子、參數(shù)進(jìn)行了優(yōu)化篩選?；诎咐评淼?/p>

2、方法就是通過搜索曾經(jīng)成功解決過的類似問題,比較新、舊問題之間的特征、發(fā)生背景等差異,重新使用或參考以前的知識(shí)和信息,達(dá)到最終解決問題的方法。
　　結(jié)合安徽省各生態(tài)區(qū)域的氣候特點(diǎn)、地理位置及各病蟲害的發(fā)生情況,用CBR對(duì)稻麥主要病蟲害的預(yù)測(cè)預(yù)報(bào)研究,首先利用各代表縣的年報(bào)歷史資料建立時(shí)間序列歷史案例庫,再按照指定或預(yù)先設(shè)定因子匹配規(guī)格和權(quán)重參數(shù)來構(gòu)建相似度函數(shù),然后逐一計(jì)算目標(biāo)案例與歷史案例的匹配程度,最終選取與目標(biāo)案例相似程度最高

3、的歷史案例的結(jié)論作為預(yù)測(cè)結(jié)論;在預(yù)測(cè)過程中,未來相關(guān)的預(yù)報(bào)數(shù)據(jù)也可加入目標(biāo)案例的時(shí)間序列中參與計(jì)算。本研究分別篩選出了小麥赤霉病、小麥白粉病、小麥紋枯病、小麥蚜蟲、水稻紋枯病、稻瘟病等主要病蟲害的CBR預(yù)測(cè)因子及參數(shù),經(jīng)回檢,小麥赤霉病、小麥紋枯病、小麥蚜蟲、水稻紋枯病、稻瘟病的預(yù)測(cè)準(zhǔn)確率皆達(dá)到80％以上,小麥白粉病的預(yù)測(cè)準(zhǔn)確率為77.05%。其中,小麥赤霉病大流行年份的預(yù)測(cè)準(zhǔn)確率達(dá)70%左右。因此,該預(yù)測(cè)參數(shù)具有一定的可靠性,可作為C

4、BR模型預(yù)測(cè)稻麥病蟲害的依據(jù)。
　　利用VisualBasic6.0研究構(gòu)建了安徽省稻麥病蟲知識(shí)庫,為構(gòu)建該知識(shí)庫,收集了安徽省稻麥常見病蟲害的文字描述資料和圖片資料,包括不同病害在農(nóng)作物不同部位的發(fā)病癥狀描述、典型癥狀圖片及常規(guī)的防治方法等,通過計(jì)算機(jī)語言將文字和圖片有機(jī)地結(jié)合起來,使得稻麥病蟲害的識(shí)別診斷更加直觀、簡易。用戶登陸系統(tǒng)后進(jìn)入主菜單,根據(jù)自己的需要,從菜單中選擇所要執(zhí)行的項(xiàng)目或輸入必要的信息。該知識(shí)庫具有圖文并茂、