基于机器学习的马尾松毛虫发生面积预测模型

作者：庞永华; 冀小菊

来源：江西农业学报, 2019, 31(05): 55-58.

DOI：10.19386/j.cnki.jxnyxb.2019.05.10

• 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

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。