基于大气候数据的烟草野火病气象预测预报方法技术

本发明专利技术公开了基于大气候数据的烟草野火病气象预测预报方法。具有结构风险最小，非线性，适于小样本，避免过拟合、维数灾和局部极小等优势。构建的非线性SVR模型的预测精度远高于相同数据集的线性模型。本发明专利技术基于已有的气象数据特征，能有效预测未来几天的病情指数，为提前了解病害变化和准备预防措施提供支持。

Meteorological prediction and prediction method of tobacco wildfire based on climate data

The invention discloses a meteorological prediction method for tobacco wildfire based on large climate data. It has the least structural risk, nonlinear, suitable for small samples, and avoids the advantages of overfitting, dimension disaster and local minimum. The prediction accuracy of the nonlinear SVR model is much higher than the linear model of the same data set. Based on the existing meteorological data characteristics, the invention can effectively predict the disease index in the coming days, and provide support for understanding disease changes and preparing preventive measures in advance.

【技术实现步骤摘要】
基于大气候数据的烟草野火病气象预测预报方法
本专利技术涉及基于大气候数据的烟草野火病气象预测预报方法。
技术介绍
烟草野火病是由Pseudomonassyringaepv.tabaci引起的能够危害植株叶片、花、蒴果、种子等部位的细菌性病害，是世界上各主要产烟国普遍发生的细菌性病害，以美国、德国等发病较重，甚至是毁灭性的，在我国，由于在近些年的烤烟生产中大面积种植不具有抗野火病特性的品种以及种植品种较为单一等原因，使得烟草野火病害的发生与发展日趋严重，逐步成为了影响我国烟草生产发展的一大障碍。因此评估相关气象特征与病害发生的相关系数，明确该病害的发生规律，提前布置防治措施显得非常重要。
技术实现思路
本专利技术中，使用郴州桂阳仁义镇梧桐乡2012-2016年田间调查的40个病情指数数据和气象数据。对于多元线性回归模型，一般认为样本数和特征数的比值至少大于5倍(Topliss比例)，因此，我们的数据集并不适合建立线性回归模型。为了选择合理的特征，我们使用一个自己开发的基于SVR的方法：首先，多轮末尾淘汰筛选去除冗余的特征，进一步利用保留的特征建立非线性的SVR模型。这项工作的目的是基于农业本文档来自技高网...

【技术保护点】
基于大气候数据的烟草野火病气象预测预报方法，其特征在于，所述方法包括如下步骤：(1)对田间实测收集的病情指数与大气候特征数据组成的训练集，采用留一法交叉测试MSE最小原则并以多轮末尾淘汰法实施特征筛选，逐次剔除对提高预测精度有不利影响的特征，从而建立保留特征集：minMSEj>MSE0；(2)基于gridregression.py寻优方法计算5个常用核函数：①线性核t＝0、②多项式核t＝1,d＝2、③多项式核t＝1,d＝3、④径向基核t＝2、⑤sigmoid核t＝3，保留特征建模下的MSE值和

【技术特征摘要】
1.基于大气候数据的烟草野火病气象预测预报方法，其特征在于，所述方法包括如下步骤：(1)对田间实测收集的病情指数与大气候特征数据组成的训练集，采用留一法交叉测试MSE最小原则并以多轮末尾淘汰法实施特征筛选，逐次剔除对提高预测精度有不利影响的特征，从而建立保留特征集：minMSEj>MSE0；(2)基于gridregression.py寻优方法计算5个常用核函数：①线性核t＝0、②多项式核t＝1,d＝2、③多项式核t＝1,d＝3、④径向基核t＝2、⑤sigmoid核t＝3，保留特征建模下的MSE值和...

【专利技术属性】
技术研发人员：周玮，蔡训辉，李岩，陈焘，方明，李宏光，匡传富，周清明，赵松义，李小一，范彦君，王如意，肖艳松，
申请(专利权)人：湖南省烟草公司郴州市公司，
类型：发明
国别省市：湖南,43