基于机器学习的马尾松毛虫发生面积预测模型

• 作者: 冀小菊 庞永华
• 来源期刊: 江西农业学报
• 学科: 农学
• 关键词: 马尾松毛虫 深度学习 支持向量机 随机森林 多元线性回归 模型预测
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 植物保护
• 页码范围: 55-58
• 页数: 4页
• 分类号: S763.3
• 字数: 2938字
• 语种: 中文

摘要

为了提高马尾松毛虫预测预报的准确性,分别采用随机森林、支持向量机和深度学习3种机器学习模型,应用气象因子预测马尾松毛虫发生面积,并将模型预测结果与实际发生面积进行比较.结果表明:3个机器学习模型的拟合效果均优于多元线性模型,其中深度学习对马尾松毛虫发生面积的预测最为稳健,拟合决定系数(R2)和预测准确率(PA)最高(R2=0.9901,PA=99.27％),均方根误差(RSME)最低(RSME=0.1711);支持向量机模型预测效果也较好(R2=0.9617,RSME=0.3275,PA=92.13％).深度学习可用于马尾松毛虫发生面积与气象因子非线性模型的构建.