版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、近年來,大數(shù)據(jù)鋪天蓋地席卷全球。農(nóng)業(yè)作為基礎(chǔ)產(chǎn)業(yè)與大數(shù)據(jù)結(jié)合,使得現(xiàn)代農(nóng)業(yè)的發(fā)展步入新領(lǐng)域。小麥是我國最重要的糧食作物之一,山東省是我國主要商品糧小麥產(chǎn)區(qū)之一。麥長管蚜(Sitobion avenae)和禾谷縊管蚜(Rhopalosiphum padi)是我國乃至世界性的小麥害蟲。麥蚜是危害小麥的r-對策型害蟲,既可以通過刺吸式口器吸食小麥的汁液并分泌蜜露,從而影響小麥的光合作用和呼吸作用,還可以傳播多種小麥病毒,造成小麥產(chǎn)量及質(zhì)量嚴重
2、下降。然而,由于過去分析手段及數(shù)據(jù)方面的缺陷,其發(fā)生程度預測特別是短期預測一直是難以解決的科學問題。本研究基于大數(shù)據(jù)的理念,采用決策樹及支持向量回歸(SVR)兩種機器學習算法,忽略樣本獨立同分布這一假設(shè),分析魯中地區(qū)2003-2013年麥蚜發(fā)生程度與瓢蟲、寄生蜂、日最高氣壓、日照時數(shù)等18種變量的關(guān)系。構(gòu)建和優(yōu)化麥蚜短期監(jiān)測預警模型,旨在為小麥害蟲的“統(tǒng)防統(tǒng)治”和麥蚜的科學防控服務。
1、決策樹方法分析的結(jié)果
通過決
3、策樹對樹形圖的剪枝訓練,最終得到10個關(guān)聯(lián)性較強的變量。其中,信息增益率最高的變量為日照時數(shù)(0.3782),其次是瓢蟲。根據(jù)信息增益率的大小,構(gòu)建決策樹樹形圖,樹形圖上各個分支的變量是依據(jù)信息增益率的大小排列的。經(jīng)分析,得樣本中目標變量的正確值與錯誤值。計算得到該模型的置信度為91.49%,且運算穩(wěn)定。由麥蚜的預測值與真實值的擬合圖可知,對于4級和5級的預測效果偏離真實值較大。
2、支持向量機回歸方法的結(jié)果
支持向
4、量機回歸(SVR)分析中測試集的真實值與預測值相差不大且 SVR訓練的模型對于預測麥蚜的發(fā)生等級較準確。模型真實值與預測值之間的回歸系數(shù)為0.9216。訓練集的平均絕對誤差(MAE)、平均相對誤差(MRE)和均方根誤差(RMSE)分別是0.27、0.76和1.01;測試集的平均絕對誤差(MAE)、平均相對誤差(MRE)和均方根誤差(RMSE)分別是0.41、0.95和1.90。預測值與真實值吻合程度較高,其彌補了C5.0算法存在對4級和
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 支持向量機和決策樹算法在財務失敗預測中的應用研究.pdf
- 支持向量機決策樹算法研究及其應用.pdf
- 基于決策樹的逐步回歸算法及在股票預測上的應用
- 基于決策樹的逐步回歸算法及在股票預測上的應用.pdf
- 基于決策樹和支持向量機在公司財務風險評估中的應用
- 基于決策樹和支持向量機在公司財務風險評估中的應用
- 改進的決策樹算法在刑事審訊決策支持中的應用.pdf
- 一種雙支持向量機決策樹的多分類算法.pdf
- 決策樹及神經(jīng)網(wǎng)絡算法在股票分類預測中的應用.pdf
- 支持向量回歸機在藥品銷售預測中的分析及應用.pdf
- 模糊決策樹算法在降雨預測中的研究與應用.pdf
- 支持向量回歸機在基金凈值預測中的應用.pdf
- 增量型支持向量機回歸訓練算法及在控制中的應用.pdf
- 支持向量回歸機在組合預測中的應用研究.pdf
- 決策樹算法在CRM中的研究與應用.pdf
- 基于支持向量機和決策樹的電信通信數(shù)據(jù)分析與應用.pdf
- 支持向量機回歸在短期電力負荷預測中的應用研究.pdf
- 決策樹算法研究及在查詢接口發(fā)現(xiàn)中的應用.pdf
- 優(yōu)化決策樹算法在電信客戶流失預測中的應用研究.pdf
- 支持向量機在股票預測中的應用
評論
0/150
提交評論