小麦赤霉病神经网络和偏最小二乘预测模型

doi:10.3969/j.cnki.jdxb.2017.04.010

吉首大学学报（自然科学版）

小麦赤霉病神经网络和偏最小二乘预测模型

赵超越，张友华

(1.安徽农业大学信息与计算机学院，安徽合肥 230036;2.安徽农业大学农业信息工程实验室，安徽合肥 230036)

出版日期:2017-07-25 发布日期:2017-08-01
通讯作者: 张友华（1966—），男，安徽合肥人，安徽农业大学信息与计算机学院教授，博士，主要从事农业信息化和计算机应用技术研究.
作者简介:赵超越（1993—），女，安徽蚌埠人，安徽农业大学硕士研究生，主要从事人工智能及应用研究
基金资助:
国家重点研发计划项目（SQ2017YFNC050008）;2015年安徽省科技重大专项项目（15CZZ03117）

Prediction Models of Neural Network and Partial Least Squares for Wheat Scab

ZHAO Chaoyue，ZHANG Youhua

(Laboratory of Agricultural Information Engineering，College of Information and Computer，Anhui Agricultural University，Hefei 230036，China)

Online:2017-07-25 Published:2017-08-01

摘要/Abstract

摘要：

选取2004—2014年间发病期的气象因素为自变量，小麦赤霉病病穗率为因变量，借助神经网络的函数映射能力，采用Fletcher-Reeves算法的变梯度反向传播算法，建立了小麦赤霉病的气象预报模型.由于神经网络无法提供直观的函数来反映病穗率与气象因子之间的关系，为了进一步分析气象因子间的相关性，采用主成分分析法提取主成分，并利用回归分析得到线性函数关系，建立了偏最小二乘模型.神经网络预测模型平均预报精度达到99%，但只提供病穗率和气象因子之间的拓扑关系;偏最小二乘预测模型可以得到病穗率和气象因子之间直观的函数关系，模型平均预报精度达到97%.2种模型均具有较高的预报精度，对小麦赤霉病的预防工作具有一定的参考价值.

关键词： 赤霉病, 相关性分析, 神经网络, 偏最小二乘法

Abstract:

Prediction models of neural network and partial least squares for wheat scab are proposed，which provides a scientific basis for prevention of wheat scab.The meteorological factors and morbidity rate between 2004 and 2014 in Anhui are chosen as independent variables and dependent variable，respectively.The alternating gradient back-propagation algorithm of Flecher-Reeves is employed to build the neural network model.Since the simple functional relationship between meteorological factors and morbidity rate can't be provided by the model，the correlation among meteorological factors is analyzed and the partial least squares model is built through principal component analysis and regression analysis.The accuracy of the neural network model is about 99%，through which the topology between meteorological factors and morbidity rate is provided.The linear function is obtained through the partial least squares model and the accuracy is about 97%.Both the neural network model and the partial least squares model can achieve high prediction accuracy and provide scientific guidance for the prevention of Anhui wheat scab.

Key words: scab, correlation analysis, neural network, partial least squares

赵超越，张友华. 小麦赤霉病神经网络和偏最小二乘预测模型[J]. 吉首大学学报（自然科学版）, DOI: 10.3969/j.cnki.jdxb.2017.04.010.

ZHAO Chaoyue，ZHANG Youhua. Prediction Models of Neural Network and Partial Least Squares for Wheat Scab[J]. Journal of Jishou University（Natural Sciences Edition), DOI: 10.3969/j.cnki.jdxb.2017.04.010.

[1]	叶海燕. 基于卷积神经网络的特定目标文本情感分析模型[J]. 吉首大学学报（自然科学版）, 2024, 45(1): 24-29.
[2]	王宇, 张诗茹, 张渝佶, 周立群. 比例时滞神经网络的全局多项式镇定性[J]. 吉首大学学报（自然科学版）, 2022, 43(3): 15-25.
[3]	李家稳, 王崇旭, 王浩. 基于神经网络的桥下开挖竖向位移预测[J]. 吉首大学学报（自然科学版）, 2022, 43(2): 53-59.
[4]	王雨嫣, 廖柏林, 彭晨, 李军, 印煜民. 递归神经网络研究综述[J]. 吉首大学学报（自然科学版）, 2021, 42(1): 41-48.
[5]	李钰，段明秀，宋思思，李翅. 基于深度学习SSD模型的人数统计技术[J]. 吉首大学学报（自然科学版）, 2020, 41(2): 19-22.
[6]	伍逸凡，朱龙娇，石俊萍. 人工神经网络在信息过滤中的应用[J]. 吉首大学学报（自然科学版）, 2019, 40(3): 17-22.
[7]	张永胜，肖林. 二次最小化问题的有限时间递归神经网络求解[J]. 吉首大学学报（自然科学版）, 2019, 40(2): 21-26.
[8]	贺电，谭渡渡，何海零，邹晟，钟佳辰，王庭婷. 基于气象大数据的配网故障数量预测[J]. 吉首大学学报（自然科学版）, 2019, 40(1): 53-56.
[9]	王军. 安徽省某地区中长期电力负荷预测[J]. 吉首大学学报（自然科学版）, 2018, 39(6): 46-49.
[10]	丁李，曾水玲，熊涛. 基于BP神经网络的湘西民间方块苗文特征提取方法[J]. 吉首大学学报（自然科学版）, 2018, 39(5): 14-18.
[11]	韦建波，张栋柱，罗浩杰，谭惠，韦涛. 基于改进的RBF神经网络的配电网故障诊断模型[J]. 吉首大学学报（自然科学版）, 2018, 39(1): 54-58.
[12]	向秋红,廖柏林,马川. 新型递归神经网络求解时变矩阵Moore-Penrose逆[J]. 吉首大学学报（自然科学版）, 2017, 38(3): 31-35.
[13]	汪思成，肖林，严慧玲. 基于不同误差函数的神经网络求解线性方程组[J]. 吉首大学学报（自然科学版）, 2016, 37(6): 26-28.
[14]	钱育蓉，于炯，英昌甜，杨兴耀. 一种分区BP人工神经网络图像差值算法[J]. 吉首大学学报（自然科学版）, 2016, 37(3): 28-33.
[15]	刘孝磊, 马翠玲, 郝树艳. 一类分数阶Hopfield神经网络的Mittag-Leffler稳定性[J]. journal6, 2015, 36(5): 21-26.

小麦赤霉病神经网络和偏最小二乘预测模型

Prediction Models of Neural Network and Partial Least Squares for Wheat Scab

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价