一种基于神经网络的森林虫害发生概率计算处理方法技术

本发明专利技术提供了一种基于神经网络的森林虫害发生概率计算处理方法，包括如下步骤：1)、收集发生虫害和未发生虫害的森林的相关特征数据：2)、设定标签：发生森林虫害的数据特征向量设定标签为1；未发生森林虫害的数据特征向量设定标签为0；3)、构造森林虫害预测神经网络模型：4)、训练神经网络并测试；5)、待测实际数据计算处理来判断虫害是否可能会发生。本发明专利技术由于采用已知的数据对神经网络进行训练，再输入待测实际数据进行计算处理，因此最终的计算结果更为准确有效。

【技术实现步骤摘要】
一种基于神经网络的森林虫害发生概率计算处理方法
本专利技术涉及林业病虫害防治
，尤其涉及一种基于神经网络的森林虫害发生概率计算处理方法。
技术介绍
森林虫灾现象是指森林中一种或多种害虫大面积爆发，导致森林植被发育不良、产量和质量下降，甚至引起大面积树木死亡和生态恶化的现象。森林虫灾现象具有潜伏时间短，爆发速度快，且一旦爆发过程不可逆，往往很难治理，极易造成巨大经济损失。因为森林虫害治理困难，且会给林业经济带来严重影响，所以森林虫灾预判断就显得非常重要，在虫灾可能会发生但并未爆发前及时发现，从而可使林业管理人员提前进行防虫处理，将虫灾扼杀在摇篮中，或尽量减少经济损失。现有的森林虫灾预判断的方法，早期多以人工调查的方法为主，林业管理人员在森林中记录虫害的种类、害虫种群数量与密度、虫卵密度，在结合气候等因素来判断是否会有虫害爆发，但对于收集到的数据没有有效的处理方法，大都是依靠经验来判断。人工调查的方法费事费力且不易实现，随着技术的发展，无人机监控技术得以应用，用无人机代替人工来收集相关数据从而进行判断。此外，物候法是指根据气候和节气的本文档来自技高网...

【技术保护点】
1.一种基于神经网络的森林虫害发生概率计算处理方法，其特征在于，包括如下步骤：/n1)、收集发生虫害和未发生虫害的森林的相关特征数据：包括森林温度数据t、森林湿度数据d、植被密度数据td、害虫种类数据k、害虫种群密度数据pd，将收集的特征数据组成一个特征向量，记为X

【技术特征摘要】
1.一种基于神经网络的森林虫害发生概率计算处理方法，其特征在于，包括如下步骤：
1)、收集发生虫害和未发生虫害的森林的相关特征数据：包括森林温度数据t、森林湿度数据d、植被密度数据td、害虫种类数据k、害虫种群密度数据pd，将收集的特征数据组成一个特征向量，记为Xi，Xi＝(ti,di,tdi,ki,pdi)，i＝1,2，...n，n≥30；收集的发生虫害的森林的特征数据和未发生森林虫害的特征数据数量一样，且均不少于15组；
2)、设定标签：发生森林虫害的数据特征向量设定标签为1，这里的1代表该数据特征向量组为发生森林虫害的相关数据；未发生森林虫害的数据特征向量设定标签为0，这里的0代表该数据特征向量组为未发生森林虫害的相关数据；每组特征向量都对应一个标签来表示该组数据所对应的类别；
3)、构造判断森林虫害是否会发生的计算处理神经网络模型：神经网络包括三层：输入层、隐藏层、输出层，其中，输入层神经元个数为5，输出层神经元个数为1，隐藏层神经元个数设定为8；激活函数选用sigmoid函数，误差函数选用均方误差函数；
4)、训练神经网络并测试：
4-1)、先进行前向传播，输入层-隐藏层的计算：输入向量Xi、连接权值w、隐藏层输出值h之间的计算关系如下：



在上式(1)中，f(x)是激活函数，n为隐藏层神经元个数，取值为8，xk是输入向量Xi中的元素，k＝1、2、3、4或5；b为阈值，也称偏置项；wkj为输入层-隐藏层的连接权值；
4-2)、接着进行隐藏层-输出层的计算，此时隐藏层的输出数据hj为输出层的输入值，下述output为输出层输出值，wj为隐藏层-输出层的连接权值，隐藏层-输出层的计算关系如下：



4-3)、然后再进行反向传播：反向传播的目的是为了更新各个连接权重和偏置项的值，以获得最小误差...

【专利技术属性】
技术研发人员：郭其强，张亚琴，
申请(专利权)人：贵州大学，
类型：发明
国别省市：贵州;52