| 中文摘要 | 第7-9页 |
| Abstract | 第9-10页 |
| 1 引言 | 第11-27页 |
| 1.1 大数据概述 | 第11-17页 |
| 1.1.1 大数据的发展背景 | 第11页 |
| 1.1.2 大数据的来源 | 第11-12页 |
| 1.1.3 大数据的概念 | 第12-13页 |
| 1.1.4 大数据的特点 | 第13-14页 |
| 1.1.5 传统数据库和大数据的比较 | 第14页 |
| 1.1.6 大数据和云计算、物联网之间的关系 | 第14-16页 |
| 1.1.7 大数据的功能 | 第16-17页 |
| 1.2 玉米螟概述 | 第17-20页 |
| 1.2.1 玉米螟的分布与危害 | 第17-18页 |
| 1.2.2 玉米螟的生活史 | 第18页 |
| 1.2.3 影响玉米螟种群动态的因素 | 第18-20页 |
| 1.3 农业害虫预测预报方法的发展 | 第20-22页 |
| 1.3.1 传统的预测预报方法 | 第20-21页 |
| 1.3.2 预测预报方法的发展与应用现状 | 第21-22页 |
| 1.4 新型玉米螟预测模型的研究进展 | 第22-25页 |
| 1.4.1 非线性理论的发展 | 第22页 |
| 1.4.2 典型模型 | 第22-25页 |
| 1.5 立题依据与意义 | 第25-27页 |
| 1.5.1 立题依据 | 第25-26页 |
| 1.5.2 立题意义 | 第26-27页 |
| 2 材料与方法 | 第27-39页 |
| 2.1 数据来源 | 第27页 |
| 2.1.1 玉米螟发生期、发生量数据来源 | 第27页 |
| 2.1.2 影响玉米螟发生的气象数据来源 | 第27页 |
| 2.2 玉米螟发生程度分级指标 | 第27-28页 |
| 2.3 数据的采集 | 第28-31页 |
| 2.3.1 成虫调查 | 第29-30页 |
| 2.3.2 幼虫调查 | 第30-31页 |
| 2.4 数据库的建立 | 第31页 |
| 2.5 R语言 | 第31-35页 |
| 2.5.1 R语言简介 | 第31-32页 |
| 2.5.2 R语言的优点 | 第32-33页 |
| 2.5.3 R的获取和安装 | 第33-34页 |
| 2.5.4 包 | 第34-35页 |
| 2.6 二代玉米螟预测模型简介 | 第35-39页 |
| 2.6.1 多元线性回归分析 | 第35-36页 |
| 2.6.2 基于R的主成分多元回归 | 第36-37页 |
| 2.6.3 基于R的多项式回归 | 第37-39页 |
| 3 结果与分析 | 第39-49页 |
| 3.1 滨州地区二代玉米螟多元线性回归预测 | 第39-42页 |
| 3.1.1 滨州地区标准化的数据 | 第39-40页 |
| 3.1.2 滨州地区以旬为时间尺度的预测模型构建 | 第40页 |
| 3.1.3 滨州地区预测模型的检验 | 第40-42页 |
| 3.2 泰安地区基于R的主成分多元回归模型 | 第42-47页 |
| 3.2.1 泰安地区标准化的数据 | 第42-43页 |
| 3.2.2 泰安地区气象因子的相关性分析 | 第43-45页 |
| 3.2.3 泰安地区气象因子的主成分分析 | 第45-46页 |
| 3.2.4 基于R的主成分多元回归 | 第46-47页 |
| 3.3 泰安地区基于R的多项式回归模型 | 第47-49页 |
| 3.3.1 多项式回归模型的构建 | 第47-49页 |
| 4 讨论 | 第49-52页 |
| 4.1 多元线性回归模型对滨州地区二代玉米螟的预测 | 第49-50页 |
| 4.2 主成分多元回归模型对泰安地区二代玉米螟的预测 | 第50页 |
| 4.3 多项式回归模型对泰安地区二代玉米螟的预测 | 第50-52页 |
| 5 全文总结 | 第52-53页 |
| 6 参考文献 | 第53-58页 |
| 7 致谢 | 第58-59页 |
| 8 硕士期间发表论文情况 | 第59-60页 |
| 附录 | 第60-65页 |