基于R语言的麦田灰飞虱监测预警模型构建
中文摘要 | 第6-7页 |
Abstract | 第7页 |
1 前言 | 第8-22页 |
1.1 大数据时代的到来 | 第8-10页 |
1.1.1 大数据的发展 | 第8-9页 |
1.1.2 我国大数据的发展现状 | 第9-10页 |
1.2 大数据在植物保护中的应用 | 第10-12页 |
1.2.1 农业大数据 | 第10-11页 |
1.2.2 大数据在植物保护中的应用 | 第11页 |
1.2.3 农业大数据的面临的挑战 | 第11-12页 |
1.3 数据挖掘的方法 | 第12-15页 |
1.3.1 决策树算法 | 第13-14页 |
1.3.2 随机森林算法 | 第14-15页 |
1.4 灰飞虱的监测预警 | 第15-20页 |
1.4.1 灰飞虱监测预警的重要性 | 第16-17页 |
1.4.2 温度对灰飞虱发生程度的影响 | 第17-18页 |
1.4.3 湿度对灰飞虱发生程度的影响 | 第18页 |
1.4.4 风速对灰飞虱的影响 | 第18-19页 |
1.4.5 国内灰飞虱已建立的监测预报模型 | 第19-20页 |
1.5 立题依据与意义 | 第20-22页 |
2 材料与方法 | 第22-26页 |
2.1 数据来源 | 第22页 |
2.1.1 气象数据来源 | 第22页 |
2.1.2 灰飞虱数据来源 | 第22页 |
2.2 灰飞虱发生程度分级及因变量分级 | 第22-23页 |
2.3 自变量的选择 | 第23页 |
2.4 随机森林算法运行原理 | 第23-26页 |
2.4.1 决策树算法运行原理 | 第24页 |
2.4.2 Bagging集成学习算法 | 第24-25页 |
2.4.3 袋外估计理论 | 第25-26页 |
3 结果 | 第26-35页 |
3.1 数据的整理导入及调用 | 第26-27页 |
3.2 mtry值的确定 | 第27-28页 |
3.3 ntree值的确定 | 第28-29页 |
3.4 构建监测预警模型并分析主要影响因子 | 第29-31页 |
3.5 模型准确率的检验 | 第31-34页 |
3.6 使用监测预警模型进行预测 | 第34-35页 |
4 讨论 | 第35-38页 |
4.1 风速与降水对灰飞虱发生程度的影响 | 第35页 |
4.2 模型对于其他地区或其他昆虫的应用分析 | 第35-36页 |
4.3 研究的优势及展望 | 第36-38页 |
5 结论 | 第38-39页 |
创新点 | 第39-40页 |
参考文献 | 第40-45页 |
致谢 | 第45-46页 |
附录 | 第46页 |