基于PSO-SVR模型的小麦赤霉病病穗率预测方法

郁凌华; 邢程; 荀静; 缪新伟; 王军; 曹文昕; 岳伟; 《麦类作物学报 》 2023 北大核心 CSCD

摘要：为探寻小麦赤霉病病穗率预测方法，基于滁州市2005-2020年小麦赤霉病病穗率资料和对应气象资料，运用相关性及灰色关联分析法（GRA）确定小麦赤霉病主要气象影响因子并作为支持向量回归（SVR）模型的输入向量，再利用粒子群算法（PSO）优化SVR模型的惩罚因子C和核函数参数g,建立基于粒子群算法优化的小麦赤霉病预测支持向量回归模型。同时针对本地不同小麦品种，构建PSO-SVR-SOUTH和PSO-SVR-NORTH的PSO-SVR分模型，应用3种模型对滁州地区小麦赤霉病病穗率进行预测。结果表明，拔节期至灌浆期是影响滁州小麦赤霉病的重要时段，各生育时期内降水量、雨日数、湿度、日照等气象因子与赤霉病有高关联；PSO-SVR赤霉病病穗率预测模型的起报时间越接近灌浆期，其预测精度越高，测试样本的预测值与实测值相关系数最高达0.68,均方根误差最小为9.55%;按照不同小麦品种构建的PSO-SVR-SOUTH和PSO-SVR-NORTH模型的预测效果要优于原PSO-SVR模型，其中最迟起报时间的PSO-SVR-SOUTH和PSO-SVR-NORTH模型的平均绝对误差分别较原PSO-SVR模型减少了63.7%和20.8%,均方根误差RMSE较原有模型分别降低了61.6%和40.6%,相关系数分别提高了38.2%和29.4%,拟合优度R~2则分别提高了1.4倍和1.1倍。该模型业务服务效果较好，可用于本地小麦赤霉病预测。

关键词： 灰色关联分析 粒子群算法 支持向量回归 气象 小麦赤霉病 病穗率