一种新的昆虫神经网络预测预报方法

doi:10.12341/jssms09135

系统科学与数学 ›› 1995, Vol. 15 ›› Issue (1): 64-074.DOI: 10.12341/jssms09135

一种新的昆虫神经网络预测预报方法

文新辉(1);陈开周(2);牛明洁(3)

(1)西安电子科技大学;(2)新疆石油学院;(3)中国石油天然气总公司信息中心工作

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:1995-01-25 发布日期:1995-01-25

PDF ( 618 ) 引用被引次数 ( 25 | 5 )

文新辉;陈开周;牛明洁. 一种新的昆虫神经网络预测预报方法[J]. 系统科学与数学, 1995, 15(1): 64-074.

WAN XIN-HUI;CHEN KAI-ZHOU;NIU MING-JIE. A NEW PREDICATIVE NEURAL NETWORK METHOD FOR INSECT FORECAST[J]. Journal of Systems Science and Mathematical Sciences, 1995, 15(1): 64-074.

A NEW PREDICATIVE NEURAL NETWORK METHOD FOR INSECT FORECAST

WAN XIN-HUI(1);CHEN KAI-ZHOU(2);NIU MING-JIE(3)

(1)Xi'dian University,Xi'an 710071;(2)Xi'dian University,Xi'an 710071;(3)Xinjiang Petroleum Institute, Uumqi 830000

Received:1900-01-01 Revised:1900-01-01 Online:1995-01-25 Published:1995-01-25

昆虫预测预报是植物保护中的一个困难问题．本文首先从系统的观点出发，分析了影响昆虫种群密度的主要因素；在研究传统时间序列模型共性的基础上，给出了广义时间序列模型；提出了一种新的昆虫预测模式—神经网络预测预报方法；用此方法对棉田害虫烟蓟马进行了预报，数值结果表明这是一种很好的预测预报方法，预测精度较其它方法都有很大提高．

关键词： 昆虫预测, 神经网络, 时间序列

The insect forecast is a difficult problem in plant protection. This paper has analysed the main factors which influence the insect density and made a new neural network predicative model. This method has a capacity for learning and can solve the forecasting problem which the traditional method could not. We have used this method to forecast the insect density in cotton field.The result shows that this method is better than other predicative methods and very useful in practice.

Key words: Insect forecast, Neural network, time series.

分享此文:

[1]	胡雪梅, 李佳丽, 蒋慧凤. 机器学习方法研究肝癌预测问题[J]. 系统科学与数学, 2022, 42(2): 417-433.
[2]	王秋雨, 张举勇. 一种基于三维对齐方式的深度学习人脸识别算法[J]. 系统科学与数学, 2021, 41(7): 2035-2045.
[3]	吴峰, 于洋. PMSM伺服系统的神经网络动态面控制[J]. 系统科学与数学, 2021, 41(5): 1203-1214.
[4]	胡雪梅, 蒋慧凤. 具有技术指标的逻辑回归模型预测谷歌股票的涨跌趋势[J]. 系统科学与数学, 2021, 41(3): 802-823.
[5]	姚海祥, 黎俊伟, 夏晟皓, 陈树敏. 基于Apriori算法和神经网络的模糊交易决策[J]. 系统科学与数学, 2021, 41(10): 2868-2891.
[6]	陆文星，戴一茹，李楚，李克卿. 基于改进PSO-BP神经网络的旅游客流量预测方法[J]. 系统科学与数学, 2020, 40(8): 1407-1419.
[7]	李萍，倪志伟，朱旭辉，宋娟. 基于改进萤火虫算法的SVR空气污染物浓度预测模型[J]. 系统科学与数学, 2020, 40(6): 1020-1036.
[8]	齐雪，才治军. 船用锅炉主蒸汽压力系统的多工况控制[J]. 系统科学与数学, 2019, 39(6): 831-844.
[9]	贾凯，倪志伟，李敬明，陆玉佳，朱旭辉. 基于改进二进制人工蜂群的BP神经网络并行集成学习算法及其应用研究[J]. 系统科学与数学, 2019, 39(3): 477-494.
[10]	王溪，明扬，洪奕光. 基于群论的深度卷积网络分析[J]. 系统科学与数学, 2019, 39(2): 219-227.
[11]	李祥坤，杨争峰，曾霞，刘志明. 一种面向图像识别的神经网络通用扰动生成算法[J]. 系统科学与数学, 2019, 39(12): 1944-1963.
[12]	相鑫，刘秀丽. 四层参数自调整BP神经网络模型及其在人口死亡率预测中的应用[J]. 系统科学与数学, 2018, 38(6): 702-710.
[13]	赵尚威，周建红. 中国港口集装箱吞吐量预测:基于组合时间序列[J]. 系统科学与数学, 2018, 38(2): 210-219.
[14]	王乐，何舒平. 基于Kleinman迭代算法的非线性系统自适应控制器设计[J]. 系统科学与数学, 2017, 37(9): 1885-1892.
[15]	罗世贤，陈武华. 一类随机反应扩散神经网络的周期间歇采样控制[J]. 系统科学与数学, 2017, 37(3): 652-664.

阅读次数

全文

摘要