林业科学研究
林業科學研究
임업과학연구
FOREST RESEARCH
2003年
2期
159-165
,共7页
马尾松毛虫%人工神经网络%发生量%预测预报%BP模型
馬尾鬆毛蟲%人工神經網絡%髮生量%預測預報%BP模型
마미송모충%인공신경망락%발생량%예측예보%BP모형
运用人工神经网络的原理和方法,根据相关系数法和逐步回归法分别选取与马尾松毛虫有虫面积、虫口密度、虫株率相关关系密切的气象因子作为样本的输入特征,分别建立马尾松毛虫有虫面积、虫口密度、虫株率与气象因子的BP网络模型.结果表明:所建立的各 BP 模型,具有令人满意的拟合精度和预测精度.当隐含层神经元个数为15个,预报因子数为8 个时,2组预留有虫面积的2 a平均预测误差为3.15%;虫口密度BP模型的隐层神经元个数为 8个,预报因子数为6个时,预留样本的平均预测误差为5.91%;虫株率BP模型的隐层神经元个数为4个,预报因子数为5个时,预留样本的平均预测误差为10.65%.
運用人工神經網絡的原理和方法,根據相關繫數法和逐步迴歸法分彆選取與馬尾鬆毛蟲有蟲麵積、蟲口密度、蟲株率相關關繫密切的氣象因子作為樣本的輸入特徵,分彆建立馬尾鬆毛蟲有蟲麵積、蟲口密度、蟲株率與氣象因子的BP網絡模型.結果錶明:所建立的各 BP 模型,具有令人滿意的擬閤精度和預測精度.噹隱含層神經元箇數為15箇,預報因子數為8 箇時,2組預留有蟲麵積的2 a平均預測誤差為3.15%;蟲口密度BP模型的隱層神經元箇數為 8箇,預報因子數為6箇時,預留樣本的平均預測誤差為5.91%;蟲株率BP模型的隱層神經元箇數為4箇,預報因子數為5箇時,預留樣本的平均預測誤差為10.65%.
운용인공신경망락적원리화방법,근거상관계수법화축보회귀법분별선취여마미송모충유충면적、충구밀도、충주솔상관관계밀절적기상인자작위양본적수입특정,분별건립마미송모충유충면적、충구밀도、충주솔여기상인자적BP망락모형.결과표명:소건립적각 BP 모형,구유령인만의적의합정도화예측정도.당은함층신경원개수위15개,예보인자수위8 개시,2조예류유충면적적2 a평균예측오차위3.15%;충구밀도BP모형적은층신경원개수위 8개,예보인자수위6개시,예류양본적평균예측오차위5.91%;충주솔BP모형적은층신경원개수위4개,예보인자수위5개시,예류양본적평균예측오차위10.65%.
