基于机器学习构建葡萄霜霉病预测模型及验证
摘要：
葡萄霜霉病是葡萄上的主要病害之一，该病从葡萄苗期到果实成熟期都可发生，多雨年份常造成毁灭性损失。为了准确预测葡萄霜霉病的发生，最大限度地降低霜霉病对葡萄的危害，基于2020年葡萄生长期间气象数据和病害发生数据，结合4种机器学习算法（二项逻辑斯蒂、支持向量机、决策树、K最近邻）构建了葡萄霜霉病发生预测模型，并用2021年数据进行验证。结果表明，决策树模型在病害发生预测模型构建中的评价指标最优，其准确率达94%，预测发生的精准率、召回率、F1分值分别为91%、90%、91%。经验证，决策树模型对葡萄霜霉病发生的预测精度及性能均优于其他3个模型。因此，可利用此模型进一步开发葡萄霜霉病预警系统，为生产上葡萄霜霉病的防治提供技术支持和决策指导。
中图分类号:
S663.1
引用本文
边凤霞, 刘凯歌, 容新民. 基于机器学习构建葡萄霜霉病预测模型及验证[J]. 中国农业科技导报, 2023, 25(8): 126-137.
Fengxia BIAN, Kaige LIU, Xinmin RONG. Development and Verification of Prediction Model for Grape Downy Mildew Based on Machine Learning[J]. Journal of Agricultural Science and Technology, 2023, 25(8): 126-137.
使用本文
相关知识
基于机器学习的落叶松毛虫发生面积预测模型
基于智能算法的月季鲜切花病虫害预测模型的探究.pptx
林分和林木生长预测模型
机器学习术语表
蔬菜主要病虫害发生流行气象预报模型
机器学习常用术语
基于深度学习和迁移学习的识花实践
机器学习术语表——Beta
Google发布机器学习术语表 (包括简体中文)
一种基于种植设备的病虫害预测方法及装置与流程
网址: 基于机器学习构建葡萄霜霉病预测模型及验证 https://m.huajiangbk.com/newsview135010.html
| 上一篇: 基于多尺度数据集的虫害检测模型 |
下一篇: 基于GIS空间技术和MaxEnt |
