生物灾害精细化预报算法试验研究

储江山++徐胜利++张国庆

摘要 精细化预报建模，除了“精”“细”之外，还要注重“简”的精细化预报基本要求，只有这样的算法模型，才能“化繁为简”，才能在生产实践中得到广泛应用。因此，算法与模型的的选择，应该按照“精”“细”“简”要求，应用最新数学、系统学成果和分析仿真工具，采用多种方式进行试验比较，选择合适的算法。就本次算法试验而言，对于潜山县马尾松毛虫精细化预报，采用多层感知器建立马尾松毛虫预报模型较好。

关键词 生物灾害；马尾松毛虫；回归神经网络算法；安徽潜山

中图分类号 S763.7 文献标识码 A 文章编号 1007-5739（2015）18-0171-01

1 数据来源

马尾松毛虫发生量、发生期数据来源于潜山县监测数据，气象数据来源于国家气候中心。试验所用软件为：IBM SPSS Statistics 22，Microsoft Office Excel 2007。

2 数据预处理

为了体现马尾松毛虫发生发展时间上的完整性，在数据处理时，将越冬代数据与上一年第2代数据合并，这样就在时间上保持了一个马尾松毛虫世代的完整性，以便于建模和预测。

2.1 发生量数据处理

对潜山县1983—2014年原始监测数据预处理时，按照“轻”“中”“重”3个强度等级，分类按世代逐年汇总。

2.2 发生期数据处理

在对潜山县1983—2014年原始发生期监测数据按世代逐年汇总，然后将日期数据转换成日历天，使之数量化，以便于建模分析。

2.3 气象数据处理

根据《松毛虫综合管理》《中国松毛虫》等学术资料以及近年来有关马尾松毛虫监测预报的学术论文[1-2]，初步选择与松毛虫的发生量、发生期有一定相关性的气象因子，然后按照精细化管理的“精”“细”“简”相关要求，选择对当前马尾松毛虫防治实践有着较高指导意义的发生面积和幼虫高峰期作为预报因子，采用SPSS进行偏相关性的分析，再次排除相关性较低因子变量，并排除世代降雨量、幼虫期降雨量、幼虫期极低气温、幼虫期平均气温、幼虫期积温等过时的数据，以减少过多相关性较低变量对于建模试验的干扰。

此外，在数据汇总中发现，第1代与第2代之间的气象数据相差较大，为了保证试验的精确性，将第1代与第2代分开建模试验。各世代参加算法试验的变量见表1。

3 算法试验

3.1 回归试验

使用IBM SPSS Statistics 22和Microsoft Office Excel 2007，多次选择不同的变量，采用线性回归、曲线回归、非线性回归、Logistics回归等回归建模试验的比较，再次排除了部分相关性较低的变量，最终选择了拟合度较高的线性回归模型，具体见表2。可以看出，显著性概率小于或非常接近0.05，拒绝回归系数都为0的原假设，算法试验基本满足精细化预报试验要求。

3.2 神经网络径向基函数试验

使用IBM SPSS Statistics 22，经过多次神经网络径向基函数试验，筛选拟合度高的马尾松毛虫精细化预报模型，试（下转第178页）

（上接第171页）

验结果见表3。可以看出，采用径向基函数建立的马尾松毛虫预报模型，基本满足马尾松毛虫预报要求。

3.3 神经网络多层感知器试验

使用IBM SPSS Statistics 22，经过多次神经网络多层感知器试验，筛选拟合度高的马尾松毛虫精细化预报模型，试验结果见表4。可以看出，采用多层感知器建立马尾松毛虫预报模型，R2均大于0.9，要优于径向基函数与回归方法建立的模型。

3.4 时间序列分析算法试验

在算法试验中，还采用了多种时间序列分析算法，试验结果的拟合度都较低，达不到预报模型要求。

4 算法选择与组合

一个好的算法，就是要“化繁为简”，把复杂的事情交给计算机去做，最大程度地简化人的操作。因此，对于马尾松毛虫精细化预报而言，只需要选择对防治具有较高指导意义的发生面积、发生强度与幼虫高峰期进行预报算法研究。

就目前技术来说，用于建模的成虫始见期数据，采用性诱或灯诱获取最易于实现，而且成本低，数据可靠性高。发生面积和发生强度，建模中使用的是上一代数据，这个数据可以使用高分卫片由计算机自动获取，必要时采用成本低廉的遥控无人机对重点区域进行遥测，对高分数据进行校正，尽量避免使用劳动强度大、成本高、可靠性低的人工地面监测数据。

气象数据可以从国家气候中心直接获取，包括历史数据和周、旬预报数据[1-11]。

算法与模型的的选择，应该按照“精”“细”“简”要求，应用最新数学、系统学成果和分析仿真工具，采用多种方式进行试验比较，选择合适的算法。就本次算法试验而言，对于潜山县马尾松毛虫精细化预报，采用多层感知器建立马尾松毛虫预报模型较好。

确定预报模型之后，以Arc GIS为平台，结合SPSS或MATLAB分析仿真工具，对有害生物未来发生情况进行精确描述、分析和仿真，根据仿真结果，发布生物灾害精细化预报。

5 参考文献

[1] 张国庆.基于生态论的生物灾害精细化预报理论研究[J].现代农业科技，2014（19）：146-150.

[2] 张国庆.基于TSE分析理论的林业生物灾害精细化预报技术研究[J].现代农业科技，2014（19）：153-155.

[3] 张国庆.基于系统关键因子分析理论的林业有害生物防治关键期分析技术研究[J].现代农业科技，2014（19）：199-201.

[4] 张国庆.基于系统健康管理理论的林业生物灾害精细化预报管理研究[J].现代农业科技，2014（19）：197-198.

[5] 张国庆.森林健康与林业有害生物管理[J].四川林业科技，2008，29（6）：77-80

[6] 张国庆.马尾松毛虫精细化预报建模变量筛选[EB/OL].（2015-06-28）[2015-06-28].http：//blog.sciencenet.cn/home.php？mod=space&uid=3344&do=blog&id=901156.

[7] 张国庆.马尾松毛虫精细化预报回归建模试验[EB/OL].（2015-06-28）[2015-06-28].http：//blog.sciencenet.cn/home.php？mod=space&uid=3344&do=blog&id=901157.

[8] 张国庆.马尾松毛虫精细化预报径向基函数建模试验[EB/OL].（2015-06-28）[2015-06-28].http：//blog.sciencenet.cn/home.php？mod=space&uid=3344&do=blog&id=901158.

[9] 张国庆.马尾松毛虫精细化预报多层感知器建模试验[EB/OL].（2015-06-28）[2015-06-28].http：//blog.sciencenet.cn/home.php？mod=space &uid=3344&do=blog&id=901162.

[10] 张国庆.生物灾害精细化预报算法试验研究[EB/OL].（2015-06-28）[2015-06-28].http：//blog.sciencenet.cn/home.php？mod=space&uid=3344&do=blog&id=901163.

[11] 张国庆.生物灾害精细化预报理论基础与技术集成[EB/OL].（2015-06-28）[2015-06-28].http：//blog.sciencenet.cn/home.php？mod=space &uid=3344&do=blog&id=901164.endprint