文章标题：马尾松毛虫幼虫高峰期发生量 的预测模型研究

文章作者：周夏芝1** 王振兴2 余 燕2 李 尚1 毕守东2*** 张国庆3 方国飞4
关 键 词：马尾松毛虫幼虫高峰期发生量，平稳时间序列预测模型，回归预测模型，BP神经网络预测模型，马尔科夫链预测模型，列联表多因子多级分析预测模型
文章摘要：

【目的】 为了提高马尾松毛虫Dendrolimus punctatus Walker发生量预测预报结果的准确性，为选用合适的预测模型提供依据。【方法】 本文用平稳时间序列法、回归预测法、BP神经网络法、马尔科夫链法和列联表多因子多级分析预测法研究建立安徽省潜山县1983—2016年33年的马尾松毛虫1代和2代幼虫高峰期发生量的预测模型，并对5种模型进行比较。【结果】 以卵高峰期卵量为自变量的回归模型、多元回归模型和逐步回归模型预测结果与实际值相差0.21~0.31头/株，其它8个一元回归预测结果与实际值相差1.06~1.58头/株。平稳时间序列预测2015和2016年的结果与实际值完全相符。BP神经网络预测结果若以误差标准为1头/株，1983—2014年预报准确率1代为90.32%，2代为100%。马尔科夫链预测2015和2016年，预测结果与实际值完全相符，均为1级。列联表多因子多级综合相关分析法预测2015和2016年的结果与实际值完全相符，1983—2014年1代幼虫高峰期发生量预测的历史符合率均为90.32%，2代为83.47%。为了研究不同分级标准对预测值的影响，将2代幼虫高峰期发生量的1级标准改为小于3.5头/株，则历史符合率为74.19%。【结论】 上述方法中，回归预测法自变量的选择是预报准确的关键；时间平稳序列法适用于害虫发生过程符合平稳时间序列的标准；马尔科夫链法和列联表分析法分级标准科学与否直接影响预测结果的准确性；BP神经网络法可用于自变量与预报量非线性关系的研究，是一种比较理想的预报方法。