ARIMA与SVM组合模型在害虫预测中的应用

›› 2010, Vol. 53 ›› Issue (9): 1055-1060.

• 研究论文 • 上一篇

ARIMA与SVM组合模型在害虫预测中的应用

向昌盛, 周子英

出版日期:2010-09-20 发布日期:2010-09-20
通讯作者: 向昌盛

Application of ARIMA and SVM hybrid model in pest forecast

XIANG Chang-Sheng

Online:2010-09-20 Published:2010-09-20

摘要/Abstract

摘要：

害虫发生是一种复杂、动态时间序列数据, 单一预测模型都是基于线性或非线性数据, 不能同时捕捉害虫发生的线性和非线性规律, 很难达到理想的预测精度。本研究首先采用差分自回归移动平均模型对昆虫发生时间序列进行线性建模, 然后采用支持向量机对非线性部分进行建模, 最后得到两种模型的组合预测结果。将组合模型应用到松毛虫Dendrolimus punctatus发生面积的预测, 实验结果表明组合模型的预测精度明显优于单一模型, 发挥了两种模型各自的优势。组合模型是一种切实可行的害虫预测预报方法。

关键词: 害虫, 松毛虫, 发生预测, 时间序列, 支持向量机, 差分自回归移动平均模型

Abstract:

The data of pest occurrence are complicated and unpredictable time series. The linear or nonlinear features of pest time series can not be captured based on single prediction model. A new hybrid forecasting model based on autoregressive integrating moving average (ARIMA) and support vector machine (SVM) is proposed in this paper. ARIMA model was used to predict the linear component while SVM model was used for the nonlinear residual component of pest time series, and then the hybrid forecasting results were obtained. The prediction performances of the method were tested on Dendrolimus punctatus occurrence area. The results show that the hybrid model, which combines the respective advantages of both linear and nonlinear models, has better accuracy than any single model. Hybrid model is a good and effective method for pest forecasting.

Key words: Pest insects, Dendrolimus punctatus, occurrence forecast, time series, SVM, ARIMA model

向昌盛, 周子英. ARIMA与SVM组合模型在害虫预测中的应用[J]. , 2010, 53(9): 1055-1060.

XIANG Chang-Sheng. Application of ARIMA and SVM hybrid model in pest forecast[J]. , 2010, 53(9): 1055-1060.

[1]	李峰奇, 付宁宁, 张连忠, 焦蒙蒙, 彭凌飞, 许奕华, 罗晨. 悬铃木方翅网蝽生物学、化学生态学及防治研究进展[J]. , 2018, 61(9): 1076-1086.
[2]	张海剑, 宋健, 马红霞, 石洁, 胡清玉, 王振营. 河北行唐地区玉米害虫灰地种蝇的鉴定及其对玉米种子和幼苗的为害[J]. , 2018, 61(9): 1114-1120.
[3]	童晓玲, 石津, 盖停停, 方春燕, 代方银. 昆虫启动子的研究及应用[J]. , 2018, 61(3): 360-370.
[4]	陆俊姣, 董晋明, 任美凤, 李霞2 武宇鹏, 李大琪, 马恩波. 山西临汾冬小麦-夏玉米轮作田地下害虫种群在土壤中的迁移规律[J]. , 2017, 60(9): 1046-1059.
[5]	周爱明, 马鹏鹏, 席天宇, 王江宁, 冯晋, 邵泽中, 陶玉磊, 姚青. 基于深度学习的蝴蝶科级标本图像自动识别[J]. , 2017, 60(11): 1339-1348.
[6]	杨清碰, 李莉. 球孢白僵菌侵染对管氏肿腿蜂雌成蜂的不利影响[J]. , 2017, 60(1): 53-59.
[7]	王磊, 王常禄, 许益镌, 曾玲. 臭虫的再猖獗、生物学及防治研究进展[J]. , 2016, 59(9): 1021-1032.
[8]	Amin NIKPAY. 田间条件下甘蔗品种对蛀茎夜蛾的抗性评价(英文)[J]. , 2016, 59(7): 785-790.
[9]	刘吉升, 朱文辉, 廖文丽, 卜晓玲, 江婉仪. 昆虫RNA干扰中双链RNA的转运方式[J]. , 2016, 59(6): 682-691.
[10]	朱亮, 王泽华, 宫亚军, 任忠虎, 金桂华, 陈金翠, 魏书军. 紫外线阻断膜防控茄子害虫效果及对植株生长和果实品质的影响[J]. , 2016, 59(2): 227-238.
[11]	张帅, 马艳, 闵红, 于晓庆, 李娜, 芮昌辉, 高希武. 华北棉区主要害虫抗药性监测与治理技术示范[J]. , 2016, 59(11): 1238-1245.
[12]	夏咛, 杨广, 尤民生. 间作番茄对花椰菜田主要害虫和天敌的调控作用[J]. , 2015, 58(4): 391-399.
[13]	竺乐庆, 张大兴, 张真. 基于韦伯局部描述子和颜色直方图的鳞翅目昆虫翅图像特征描述与种类识别[J]. , 2015, 58(4): 419-426.
[14]	竺乐庆, 张大兴, 张真. 基于颜色名和OpponentSIFT特征的鳞翅目昆虫图像识别[J]. , 2015, 58(12): 1331-1337.
[15]	黄静, 张斌, 张帆, 李元喜. 繁育寄主对三种赤眼蜂个体大小及抱卵量的影响[J]. , 2015, 58(10): 1098-1107.

ARIMA与SVM组合模型在害虫预测中的应用

Application of ARIMA and SVM hybrid model in pest forecast

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 0