|本期目录/Table of Contents|

[1]王冬雪,陈桂芬,李英伦,等.基于GA-RBF融合算法的玉米病虫害产量损失预测研究[J].江苏农业科学,2019,47(09):263-266.
　Wang Dongxue,et al.Study on prediction to yield loss of maize diseases and pests based on GA-RBF fusion algorithm[J].Jiangsu Agricultural Sciences,2019,47(09):263-266.
点击复制

基于GA-RBF融合算法的玉米病虫害
产量损失预测研究(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第47卷
期数:
2019年第09期
页码:
263-266
栏目:
农业工程与信息技术
出版日期:
2019-05-27

文章信息/Info

Title:
Study on prediction to yield loss of maize diseases and pests based on GA-RBF fusion algorithm
作者:
王冬雪1;  陈桂芬1;  李英伦1;  史树森2
1.吉林农业大学信息技术学院，吉林长春 130118； 2.吉林农业大学农学院，吉林长春 130118
Author(s):
Wang Dongxue; et al
关键词:
遗传算法; RBF神经网络; 融合算法; 玉米病虫害; 产量损失预测模型
Keywords:
-
分类号:
TP312；S126
DOI:
-
文献标志码:
A
摘要:
鉴于玉米病虫害等影响因素在预测玉米产量损失时所具有的复杂及非线性等特点，采用传统的径向基函数(radial basis function，简称RBF)神经网络预测起来相对较难，且其预测精度较低。针对上述问题，提出1种基于遗传算法(genetic algorithm，简称GA)和径向基函数神经网络相融合的优化算法，对病虫害所造成的玉米产量损失进行预测。该融合算法利用人工神经网络的非线性拟合能力强和遗传算法寻优能力强的优点，建立最优产量损失预测模型，将该模型的估算值与玉米产量的实际值进行拟合，得到较好的拟合效果图。为了验证算法的可行性，以国家863计划示范基地榆树市弓棚镇13号村的试验数据为样本数据进行仿真预测。结果表明，经过GA-RBF融合算法的预测误差为0.207，较优化前误差降低了0.151，预测精度得到提高，实现对玉米病虫害产量损失的有效预测。预测结果可为农民进行科学有效的病虫害防控提供科学依据，经济有效地降低受灾程度，提高玉米产量。
Abstract:
-

参考文献/References:

［1］姜玉英，曾娟，陆明红. 2015年全国农作物重大病虫害发生趋势预报［J］. 中国植保导刊，2015(2)：10-12.
［2］刘杰，姜玉英. 2012年玉米病虫害发生概况特点和原因分析［J］. 中国农学通报，2014，30(7)：270-279.
［3］孙甜田，范作伟，刘淑霞，等. 吉林省不同熟期玉米病虫害发生情况［J］. 中国农学通报，2014，30(30)：222-227.
［4］符保龙. RBF网络在农业病虫害预测中的应用研究［J］. 安徽农业科学，2008，36(1)：388-389.
［5］刘璇，唐慧强，许遐祯，等. 基于神经网络的农业病虫害损失预测［J］. 农机化研究，2009，31(4)：13-16.
［6］刘鲭洁，陈桂明，刘小方. 基于遗传算法SVM参数组合优化［J］. 计算机应用与软件，2012，29(4)：94-100.
［7］Chen G F，Dong W，Jiang J，et al. Variable-rate fertilization decision-making system based on visualization toolkit and spatial fuzzy clustering［J］. Sensor Letters，2012，10(1)：230-235.
［8］曹丽英. 玉米主产区土壤养分与玉米产量的时空变异及其相关性研究［D］. 合肥：安徽农业大学，2013.
［9］旷岭. RBF神经网络的粮食产量预测［J］. 计算机仿真，2011，28(11)：189-191，200.
［10］张方舟，郝庆辉，周勃，等. 遗传算法的RBF神经网络在线损计算中的应用［J］. 计算机技术与发展，2014，24(6)：192-195，199.
［1］庄健，杨清宇，杜海峰，等. 一种高效的复杂系统遗传算法［J］. 软件学报，2010，21(11)：2790-2801.
［12］王铭泽，关新红，闫吉府，等. 股票的GA-RBF预测模型［J］. 辽宁工程技术大学学报(自然科学版)，2014，33(7)：970-973.
［13］张纪. 基于遗传算法优化神经网络的粮食产量组合预测研究［D］. 新乡：河南师范大学，2015.
［14］Ahmadi M A，Zendehboudi S，Lohi A，et al. Reservoir permeability prediction by neural networks combined with hybrid genetic algorithm and particle swarm optimization［J］. Geophysical Prospecting，2013，61(3)：582-598.
［15］曾钰. 基于遗传算法优化的RBF神经网络在光伏发电MPPT中的应用［D］. 株洲：湖南工业大学，2015.
［16］Jaddi N S，Abdullah S，Hamdan A R. A solution representation of genetic algorithm for neural network weights and structure［J］. Information Processing Letters，2016，116(1)：22-25.
［17］周维华. RBF神经网络隐层结构与参数优化研究［D］. 上海：华东理工大学，2014.
［18］纪思琪，吴芳. 基于神经网络的蔬菜病害静态预警模型［J］. 电脑知识与技术，2016，12(10)：189-196.
［19］Hu J，Li D L，Duan Q L，et al. A fuzzy C-Means clustering based algorithm to automatically segment fish disease visual symptoms［J］. Sensor Letters，2012，10(1/2)：190-197.
［20］任艳娜，席磊，汪强，等. 粮食产量预测模型的应用与仿真研究［J］. 计算机仿真，2011，28(4)：208-211.
［21］唐忠，谢涛. Matlab神经网络工具NNTool的应用与仿真［J］. 计算机与现代化，2012(12)：44-47，54.
［22］龚纯，王正林. 精通MATLAB最优化计算［M］. 北京：电子工业出版社，2009：2-4.
［23］齐灵子. 大豆食叶害虫危害损失预测模型的研究［D］. 长春：吉林农业大学，2013.
［24］王晓娟. 基于模糊控制与RBF神经网络的桃病虫害发生预测研究［D］. 保定：河北农业大学，2011.
［25］王志敏，方保停. 论作物生产系统产量分析的理论模式及其发展［J］. 中国农业大学学报，2009，14(1)：1-7.

相似文献/References:

[1]翟慧,李纪云.BP_Adaboost预测模型结合遗传算法在鸡腿菇生长环境寻优中的应用[J].江苏农业科学,2013,41(07):383.
　Zhai Hui,et al.Application of BP_Adaboost forecasting model combined genetic algorithm in growth environment optimization of Coprinus comaus[J].Jiangsu Agricultural Sciences,2013,41(09):383.
[2]秦善知,陈斌,陆道礼,等.基于便携式近红外光谱仪检测梨可溶性固形物[J].江苏农业科学,2014,42(08):284.
　Qin Shanzhi,et al.Determination of soluble solid contents in pears based on portable near infrared spectrometer[J].Jiangsu Agricultural Sciences,2014,42(09):284.
[3]蒋雪松,周宏平.基于遗传算法的农产品品质无损检测研究进展[J].江苏农业科学,2013,41(12):17.
　Jiang Xuesong,et al.Research progress of nondestructive testing of quality of agricultural products based on genetic algorithms[J].Jiangsu Agricultural Sciences,2013,41(09):17.
[4]徐凯宏,米雅婷,谷志新.基于GA-BP神经网络的温室番茄病害诊断[J].江苏农业科学,2016,44(04):387.
　Xu Kaihong,et al.Diagnosis of tomato disease in greenhouse based on GA-BP network[J].Jiangsu Agricultural Sciences,2016,44(09):387.
[5]费强,赵武云,戴飞,等.基于BP神经网络及遗传算法的组合式板齿脱粒装置参数优化[J].江苏农业科学,2014,42(03):351.
　Fei Qiang,et al.Parameter optimization of composite board tooth threshing device based on BP neural network and genetic algorithm[J].Jiangsu Agricultural Sciences,2014,42(09):351.
[6]马海姣,崔晨风.基于可见-近红外光谱和神经网络的土壤类型鉴别[J].江苏农业科学,2014,42(04):284.
　Ma Haijiao,et al.Identification of soil types based on visible-near infrared spectroscopy and neural networks[J].Jiangsu Agricultural Sciences,2014,42(09):284.
[7]林萍,陈永明.利用可见近红外光谱技术快速鉴别大米品种[J].江苏农业科学,2015,43(12):320.
　Lin Ping,et al.Fast discrimination of rice varieties based on visible near-infrared spectroscopy technology[J].Jiangsu Agricultural Sciences,2015,43(09):320.
[8]刘金明,谢秋菊,刘浩然.基于SVM的畜禽舍废气监测缺失数据恢复[J].江苏农业科学,2015,43(08):421.
　Liu Jinming,et al.A method for missing data recovery of waste gas monitoring in animal building based on SVM[J].Jiangsu Agricultural Sciences,2015,43(09):421.
[9]栗娜,李萍,张善文.基于改进遗传算法的作物叶片病斑分割算法[J].江苏农业科学,2014,42(07):140.
　Li Na,et al.Segmentation of crop leaf spot image based on improved genetic algorithm[J].Jiangsu Agricultural Sciences,2014,42(09):140.
[10]杭艳红,杨林.基于GA-BP神经网络的耕地自然质量计算模型研究[J].江苏农业科学,2017,45(08):182.
　Hang Yanhong,et al.Study on calculation model of cultivated land natural quality based on GA-BP neural network[J].Jiangsu Agricultural Sciences,2017,45(09):182.

备注/Memo

备注/Memo:
收稿日期：2018-01-22
基金项目：国家星火计划(编号：2015GA66004)。
作者简介：王冬雪(1990—)，女，吉林长春人，硕士研究生，主要从事人工智能与计算机农业应用研究。E-mail：285934785@qq.com。
通信作者：陈桂芬，教授，博士，博士生导师，主要从事人工智能与数据挖掘、精准农业与计算机农业应用的研究。E-mail：guifchen@163.com。
更新日期/Last Update: 2019-05-05