|本期目录/Table of Contents|

[1]时雷,孙佳佳,孙嘉玥,等.基于支持向量机和灰色BP神经网络的冬小麦晚霜冻害预测[J].江苏农业科学,2023,51(3):178-187.
　Shi Lei,et al.Frost damage prediction of winter wheat based on support vector machine and grey BP neural network[J].Jiangsu Agricultural Sciences,2023,51(3):178-187.
点击复制

基于支持向量机和灰色BP神经网络的冬小麦晚霜冻害预测(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第51卷
期数:
2023年第3期
页码:
178-187
栏目:
农业工程与信息技术
出版日期:
2023-02-05

文章信息/Info

Title:
Frost damage prediction of winter wheat based on support vector machine and grey BP neural network
作者:
时雷1; 2; 3;  孙佳佳1; 2;  孙嘉玥1; 2;  郭三党1;  郑光1; 2;  席磊1; 2; 3;  张娟娟1; 2; 3
1.河南农业大学信息与管理科学学院，河南郑州 450046； 2.农田环境监测与控制技术河南省工程实验室，河南郑州 450046；3.河南粮食作物协同创新中心，河南郑州 450046
Author(s):
Shi Lei; et al
关键词:
冬小麦; 晚霜冻害; 灰色神经网络; 支持向量机; BP神经网络
Keywords:
-
分类号:
S126
DOI:
-
文献标志码:
A
摘要:
晚霜冻害是黄淮海平原冬小麦生产中危害严重的农业气象灾害之一，为有效预测冬小麦晚霜冻害，以河南商丘市为研究区，针对商丘1980—2019年的气象数据，以0 ℃为阈值确定终霜日，采用灰色季节灾变方法处理数据，得到反映霜冻发生年份规律的间隔数据序列，结合灰色系统和机器学习模型的优点，提出了一个基于支持向量机残差修正的灰色BP神经网络模型。试验结果表明：对照传统灰色预测模型、改进灰色模型以及BP神经网络预测模型，残差修正后的灰色BP神经网络模型的平均相对误差、平均绝对百分比误差和均方差比值分别为0.384 3%、1150 2%和0.069 0，模型拟合程度进一步提高；对历史数据和预测结果进行分析，发现每20年存在1个晚霜冻发生连续时期，其后晚霜冻发生频率降到2~4年1次，预测商丘下一次晚霜冻发生年份为2022年。本研究提出的冬小麦晚霜冻害预测模型，对各项精度评价指标均有提升，冻害预测结果与实际发生情况基本一致，可为全球气候变化背景下大面积冬小麦晚霜冻害预测提供思路和方法，对其他农业生产灾害预测问题具有一定参考价值。
Abstract:
-

参考文献/References:

［1］赵爱萍. 基于遥感技术的晚霜冻胁迫后冬小麦减产率预测研究［D］. 北京：中国农业科学院，2021：1-2.
［2］马尚谦，张勃，唐敏，等. 1960—2015年淮河流域初终霜日时空变化分析［J］. 中国农业气象，2018，39(7)：468-478.
［3］Zhang X F，Zheng Y F，Wang C Y，et al. Spatial distribution and temporal variation of the winter wheat late frost disaster in Henan，China［J］. Acta Meteorologica Sinica，2011，25(2)：249-259.
［4］She B，Huang J F，Guo R F，et al. Assessing winter oilseed rape freeze injury based on Chinese HJ remote sensing data［J］. Journal of Zhejiang University，2015，16(2)：131-144.
［5］Diedrichs A L，Bromberg F，Dujovne D，et al. Prediction of frost events using machine learning and IoT sensing devices［J］. IEEE Internet of Things Journal，2018，5(6)：4589-4597.
［6］Zhao L C，Li Q Z，Zhang Y，et al. Normalized NDVI valley area index (NNVAI)-based framework for quantitative and timely monitoring of winter wheat frost damage on the Huang-Huai-Hai Plain，China［J］. Agriculture，Ecosystems & Environment，2020，292：106793.
［7］刘学军. 改进的灰色GM(1，1)模型在晚霜冻预报中的应用［J］. 中国农业气象，2014，35(3)：305-310.
［8］喻彦，蒙桂云，王恩超，等. 灰色系统理论在冬季强低温霜冻灾变年份预测中的应用［J］. 中国农业气象，2005，26(3)：191-193.
［9］刘红霞，刘兵. 乌苏市春季霜冻预报方法的初步探讨［J］. 陕西气象，2014(6)：5-7.
［10］黄莹，杨建玲，孙银川，等. 外强迫因子对宁夏初霜冻日期的影响及其预测［J］. 干旱气象，2021，39(6)：957-965.
［11］王海燕，鲁岳，陈丽娜. 基于BP神经网络的酒泉市霜冻天气预测研究［J］. 河南科技，2021，40(5)：144-146.
［12］黄慧，董小伟，朱晓东. BP神经网络模型在环境气象灾害预测中的应用研究：以湖南省为例［J］. 环境科学与管理，2015，40(6)：44-49.
［13］Xu J，Guga S R，Rong G Z，et al. Estimation of frost hazard for tea tree in Zhejiang Province based on machine learning［J］. Agriculture，2021，11(7)：607.
［14］朱孔来. 灰色马尔柯夫链预测模型及其应用［J］. 系统工程理论与实践，1993，13(2)：33-37.
［15］王正辉，孙会霞，郭庆. 集成预测模型预测我国农业自然灾害的探讨［J］. 浙江农业科学，2013，54(11)：1498-1500.
［16］Deng J. Introduction to Grey system theory［J］. Journal of Grey System，1989，1：1-24.
［17］刘思峰，杨英杰，吴利丰. 灰色系统理论及其应用［M］. 7版.北京：科学出版社，2014：7-15.
［18］Kayacan E，Ulutas B，Kaynak O. Grey system theory-based models in time series prediction［J］. Expert Systems With Applications，2010，37(2)：1784-1789.
［19］Li B J，Zhang S H. Multidimensional research on agrometeorological disasters based on grey BP neural network［J］. Grey Systems(Theory and Application)，2021，11(4)：537-555.
［20］Li B J，Zhang Y F，Zhang S H，et al. Prediction of grain yield in Henan Province based on grey BP neural network model［J］. Discrete Dynamics in Nature and Society，2021，2021：9919332.
［21］王安，张智博，杨雨，等. 基于神经网络的灰色预测模型及其在中国粮食总产量预测中的应用［J］. 数学的实践与认识，2021，51(18)：102-107.
［22］耿立艳，张占福，李达. 基于ARIMA-SVM的城际高铁客流量短期预测［J］. 交通与运输，2020，36(6)：42-45.
［23］杜文然，陆航，杨涛存，等. 基于灰色GM(1，1)残差修正模型的动车组故障率预测［J］. 铁道机车车辆，2021，41(2)：17-21.
［24］宁志杰，袁颖. 基于灰色支持向量机残差修正模型的地面沉降量预测［J］. 地质与勘探，2021，57(3)：614-620.
［25］程瑛，吴晶，李红，等. 1961—2017年甘肃省霜冻演变特征及其对农业的影响［J］. 自然灾害学报，2019，28(6)：37-46.
［26］张波，于飞，吴战平，等. 贵州霜冻气候变化特征［J］. 浙江农业学报，2020，32(4)：685-695.
［27］潘淑坤，张明军，汪宝龙，等. 1960—2011年新疆初终霜日及无霜期的变化特征［J］. 干旱区研究，2013，30(4)：735-742.
［28］焦文慧，张勃，马彬，等. 近58年华北地区初、终霜日及无霜期变化特征分析［J］. 高原气象，2021，40(2)：343-352.
［29］白磊，张帆，文元桥，等. 基于格点资料的1961—2018年中国霜冻灾害时空变化规律［J］. 中国农业气象，2021，42(9)：761-774.
［30］马尚谦，张勃，杨文义，等. 1960—2015年淮河流域异常初、终霜日时空变化及其影响因子［J］. 自然资源学报，2019，34(2)：359-373.
［31］方文松，王纪军，王秀萍. 基于极值概率分布的河南冬小麦晚霜冻时空分布特征［J］. 麦类作物学报，2021，41(3)：370-378.
［32］刘辉，田红旗，李燕飞. 基于小波分析法与滚动式时间序列法的风电场风速短期预测优化算法［J］. 中南大学学报(自然科学版)，2010，41(1)：370-375.
［33］杨淑莹，王丽贤，牛廷伟，等. 基于粒子滤波优化的滚动式时间序列多步预测［J］. 系统工程与电子技术，2012，34(6)：1097-1101.
［34］郭霖，白丹，王新端，等. 基于支持向量机的滴灌灌水器流量预测模型建立与验证［J］. 农业工程学报，2018，34(2)：74-82.
［35］钱渊，宋军，傅珂. 基于支持向量机补偿的灰色模型网络流量预测［J］. 探测与控制学报，2012，34(1)：69-72，79.
［36］杨娟丽，徐梅，王福林，等. 基于BP神经网络的时间序列预测问题研究［J］. 数学的实践与认识，2013，43(4)：158-164.
［37］刘晓艳. 基于灰色关联分析与BP神经网络的农业灌溉预测［J］. 数学的实践与认识，2020，50(8)：287-291.
［38］Li B，Wang T，Meng F.Double quantitative analysis of the effects of meteorological factors on winter wheat yield at different growth stages based on grey relational analysis［J］. Journal of Grey System，2018，30(1)：31-43.

相似文献/References:

[1]米慧玲,孟庆健,杨玉荣,等.不同苗情下冬小麦氮肥最佳追施时期和追施量[J].江苏农业科学,2014,42(10):62.
　Mi Huiling,et al.Study on topdressing stage and application amount of nitrogen at different conditions of winter wheat seedlings[J].Jiangsu Agricultural Sciences,2014,42(3):62.
[2]钟茜,韩鹏辉,高宁大,等.不同栽培管理模式对冬小麦产量、养分利用及土壤硝态氮的影响[J].江苏农业科学,2013,41(07):52.
　Zhong Qian,et al.Effects of different cultivation and management modes on yield and nutrient use of winter wheat and soil nitrate residua[J].Jiangsu Agricultural Sciences,2013,41(3):52.
[3]张俊俊,刘文兆,韩晓阳.陕西长武塬区冬小麦的蒸散特征[J].江苏农业科学,2013,41(12):60.
　Zhang Junjun,et al.Evapotranspiration characteristics of winter wheat in Changwu loess tableland[J].Jiangsu Agricultural Sciences,2013,41(3):60.
[4]李金峰,聂兆君,赵鹏,等.畜禽粪便配施对冬小麦产量及Cu、Zn、As在植株累积和土壤中垂直分布的影响[J].江苏农业科学,2016,44(04):137.
　Li Jinfeng,et al.Effects of application of livestock and poultry manure on yield of winter wheat and accumulation of Cu，Zn and As in plants and their vertical distribution in soil[J].Jiangsu Agricultural Sciences,2016,44(3):137.
[5]张宸赫,王琳,赵天良,等.气候变暖背景下中国冬小麦物候期的时空特征[J].江苏农业科学,2016,44(04):448.
　Zhang Chenhe,et al.Temporal and spatial characteristics of Chinas winter wheat phenological period under background of climate warming[J].Jiangsu Agricultural Sciences,2016,44(3):448.
[6]杨琳,高苹,居为民.基于MODIS NDVI数据的江苏省冬小麦物候期提取[J].江苏农业科学,2016,44(01):315.
　Yang Lin,et al.Retrieval of winter wheat phenological period based on MODIS NDVI data in Jiangsu Province[J].Jiangsu Agricultural Sciences,2016,44(3):315.
[7]朱伟,沙正芹,郭静,等.拔节孕穗肥对冬小麦产量相关性状及不同粒位的影响[J].江苏农业科学,2015,43(10):99.
　Zhu Wei,et al.Effects of fertilizer for elongation and booting on yield related traits and different ear positions of winter wheat[J].Jiangsu Agricultural Sciences,2015,43(3):99.
[8]崔怀洋,訾 妍,徐 晖,等.倒伏春性冬小麦冠层光谱特征及倒伏严重度预测[J].江苏农业科学,2015,43(07):55.
　Cui Huaiyang,et al.Canopy spectral characteristics and lodging severity prediction of lodging group of winter wheat[J].Jiangsu Agricultural Sciences,2015,43(3):55.
[9]王圆媛,陈书涛,吴静,等.不同品种对冬小麦秸秆分解系数的影响[J].江苏农业科学,2015,43(06):315.
　Wang Yuanyuan,et al.Effect of different cultivars on decomposition coefficient of winter wheat straw[J].Jiangsu Agricultural Sciences,2015,43(3):315.
[10]张 怡,史本林.气候变化对豫东冬小麦产区的综合影响[J].江苏农业科学,2015,43(02):336.
　Zhang Yi,et al.Comprehensive effect of climate change on production of winter wheat in eastern Henan[J].Jiangsu Agricultural Sciences,2015,43(3):336.

备注/Memo

备注/Memo:
收稿日期：2022-03-11
基金项目：河南省自然科学基金(编号：222300420463)；河南省现代农业产业技术体系项目(编号：S2010-01-G04)；国家自然科学基金(编号：31501225)。
作者简介：时雷(1979—)，女，河南遂平人，博士，教授，从事数据挖掘、计算机农业应用研究。E-mail：shilei@henau.edu.cn。
通信作者：张娟娟，副教授，硕士生导师，从事农业遥感研究。E-mail：zhangjuan_2003@126.com。
更新日期/Last Update: 2023-02-05