您好,欢迎访问安徽省农业科学院 机构知识库!
筛选
科研产出
排序方式:

时间

  • 时间
  • 相关度
  • 被引量
资源类型: 中文期刊
关键词:病穗率(模糊匹配)
1条记录
基于PSO-SVR模型的小麦赤霉病病穗率预测方法

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

 全文链接 请求原文

首页上一页1下一页尾页