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 |