決策樹及支持向量機回歸算法在麥蚜發(fā)生程度預測中的應用.pdf

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