首页--农业科学论文--林业论文--森林保护学论文--森林病虫害及其防治论文--虫害及其防治论文

基于小波神经网络的海防林虫害预测方法研究

摘要第1-6页
ABSTRACT第6-10页
第一章 前言第10-26页
   ·沿海防护林体系的生态地位第10-12页
     ·防御海啸和风暴潮等自然灾害第11页
     ·保护水土和涵养水源第11页
     ·防风固沙和保护农田第11-12页
     ·吸储二氧化碳等温室气体和减轻城市污染灾害第12页
   ·沿海防护林体系建设现状第12-16页
     ·国外沿海防护林建设第12-13页
     ·国内沿海防护林建设第13-16页
   ·森林病虫害预测预报研究概况第16-18页
     ·国外森林病虫害预测预报第16-17页
     ·国内森林病虫害预测预报第17-18页
   ·SAS软件简介第18-21页
     ·SAS软件系统概述第18页
     ·SAS软件系统的组成及其功能第18-21页
   ·MATLAB软件概述第21-23页
     ·MATLAB发展史第21-22页
     ·MATLAB的功能与特点第22-23页
     ·MATLAB系统组成第23页
   ·小波神经网络研究进展第23-24页
   ·本研究的目的意义及思路第24-26页
     ·研究的目的及意义第24-25页
     ·研究思路第25-26页
第二章 SAS筛选影响海防林虫害发生的主导气象因子第26-36页
   ·材料与方法第26-29页
     ·实验地概况第26页
     ·工具及材料第26页
     ·方法第26-29页
   ·结果与分析第29-35页
     ·影响虫口密度的主导气象因子第29-32页
     ·影响有虫面积的主导气象因子第32-33页
     ·影响虫株率的主导气象因子第33-35页
   ·小结与讨论第35-36页
第三章 应用小波神经网络预测海防林虫害的发生第36-46页
   ·材料与方法第36-43页
     ·实验地概括(同2.1.1)第36页
     ·工具及材料第36页
     ·方法第36-43页
   ·结果与分析第43-45页
     ·小波神经网络对虫口密度的预测第43页
     ·小波神经网络对有虫面积的预测第43-44页
     ·小波神经网络对虫株率的预测第44-45页
   ·小结与讨论第45-46页
第四章 BPNN与WNN虫害预测效果比较第46-54页
   ·材料与方法第46-49页
     ·实验地概况(同2.1.1)第46页
     ·工具与材料(同3.1.2)第46页
     ·方法第46-49页
   ·结果与分析第49-52页
     ·WNN与BPNN对虫口密度的预测效果比较第49-50页
     ·WNN与BPNN对有虫面积预测效果比较第50-51页
     ·WNN与BPNN对虫株率预测效果比较第51-52页
   ·小结与讨论第52-54页
第五章 结论与讨论第54-56页
   ·结论第54页
   ·主要创新第54-55页
   ·讨论第55-56页
参考文献第56-61页
附录第61-72页
作者简介第72-73页
致谢第73页

论文共73页,点击 下载论文
上一篇:浙江省水稻种子质量现状问题与对策
下一篇:三杉秋冬叶色变化及植物造景研究