本文主要研究内容
作者郭赛,吴伶（2019）在《基于气象因子的烟草普通花叶病毒非线性预测模型》一文中研究指出：研究烟草病害预测方法,可提前预警病害的发生,为制定综合治理方案以及农药合理施用方案等提供有效指导。研究首先引入非线性关联测度方法(Maximal information coefficient, MIC),并以此筛选与烟草普通花叶病毒病相关的气象因子;进一步以支持向量机(Support Vector Machine,SVM)多轮末位汰选进行自变量精细筛选;然后以地统计学(Geostatistics,GS)确定公用变程;对每一个预测样本都从训练集中找出距离小于公用变程的k个近邻,以SVR训练建模完成个体化预测。结果表明:基于k近邻的预测模型独立测试结果明显优于基于全部训练样本参与的预测模型的独立测试精度,且基于私有最近邻样本的个性化预测模型结果最优。
Abstract
yan jiu yan cao bing hai yu ce fang fa ,ke di qian yu jing bing hai de fa sheng ,wei zhi ding zeng ge zhi li fang an yi ji nong yao ge li shi yong fang an deng di gong you xiao zhi dao 。yan jiu shou xian yin ru fei xian xing guan lian ce du fang fa (Maximal information coefficient, MIC),bing yi ci shai shua yu yan cao pu tong hua xie bing du bing xiang guan de qi xiang yin zi ;jin yi bu yi zhi chi xiang liang ji (Support Vector Machine,SVM)duo lun mo wei tai shua jin hang zi bian liang jing xi shai shua ;ran hou yi de tong ji xue (Geostatistics,GS)que ding gong yong bian cheng ;dui mei yi ge yu ce yang ben dou cong xun lian ji zhong zhao chu ju li xiao yu gong yong bian cheng de kge jin lin ,yi SVRxun lian jian mo wan cheng ge ti hua yu ce 。jie guo biao ming :ji yu kjin lin de yu ce mo xing du li ce shi jie guo ming xian you yu ji yu quan bu xun lian yang ben can yu de yu ce mo xing de du li ce shi jing du ,ju ji yu si you zui jin lin yang ben de ge xing hua yu ce mo xing jie guo zui you 。
论文参考文献
论文详细介绍
论文作者分别是来自湖南农业科学的郭赛,吴伶，发表于刊物湖南农业科学2019年06期论文，是一篇关于烟草普通花叶病毒病论文,气象因子论文,预测模型论文,最大信息系数论文,湖南农业科学2019年06期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自湖南农业科学2019年06期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：烟草普通花叶病毒病论文; 气象因子论文; 预测模型论文; 最大信息系数论文; 湖南农业科学2019年06期论文;