由于气候变化和全球化,韩国农作物病虫害的突然爆发正在增加。为了防止此类疫情的爆发,有必要提前预测和控制害虫的发生。通过基于过程或统计模型来预测农作物病虫害;然而,由于气候变化和快速变化的农业生态系统,这些模型仅依赖于历史上获得的领域知识和数据,其局限性变得越来越突出。为了克服这些限制,在过去十年中,人们对基于人工神经网络 (ANN) 的模型进行了研究,该模型使用现场连续害虫调查数据。然而,由于害虫调查数据是由人类通过过程介导的方法收集的,因此数据质量和大小方面存在根本问题,可能会阻碍基于人工神经网络的模型的性能。在本研究中,为了确定确保基于 ANN 的模型达到最佳性能所需的最小害虫数据大小,我们使用韩国农村发展管理局从 149 个地区收集的 23 个害虫数据集,开发了针对 19 种水稻害虫的前馈神经网络模型超过 19 年(2002 年至 2020 年)。使用每个基于 ANN 的模型,确定了本研究中所有 19 种水稻害虫达到最高模型性能所需的最小数据量。此外,我们开发了一个决策树规则来根据每种害虫的选定特征来估计最小数据大小。最终的基于病虫害区分和害虫数据平衡(害虫发生数据与非发生数据的相对比例)的决策树规则在3倍中表现出了较好的性能(70.24%)。交叉验证测试。总体而言,这些结果表明,ANN 建模所需的最小数据大小因水稻害虫而异,具体取决于害虫数据特征,如本研究中开发的决策树规则所示。
"点击查看英文标题和摘要"
相关知识
面向大规模多类别的病虫害识别模型
水稻虫害智能预测模型及其应用
病虫害预测模型
基于人工神经网络的农业病虫害预测模型及其效果检验
病虫害预测模型比较
基于粗糙集和BP神经网络的棉花病害识别
作物病虫害高光谱遥感进展与展望
小麦种植病虫害预测模型考核试卷.docx
基于matlab的神经网络的农业病虫害损失预测
基于改进型神经网络的植物病虫害预警模型的构建.pdf 全文
网址: 确定韩国水稻病虫害人工神经网络预测模型开发的最小数据量,Computers and Electronics in Agriculture https://m.huajiangbk.com/newsview313089.html
上一篇: 病虫害风险预测方法 |
下一篇: 程杨忠种出无核桃 |