一种三七病害高发期发病率预测方法技术

本发明专利技术涉及一种三七病害高发期发病率预测方法，属于三七种植领域，所述的方法其步骤是：通过波文比采集连续三七田两年里的5‑9月中气象因子作为总样本；再随机选取全部样本的75%作为训练集；将全部样本所剩的25%作为测试集，随后获得一个基于随机森林训练中的最佳预测模型；然后利用梯度下降算法在随机森林训练的模型基础上进一步优化模型，梯度下降算法的学习率为0.01、迭代次数为400次，对第c个随机森林模型，计算目标函数关于

【技术实现步骤摘要】
一种三七病害高发期发病率预测方法
本专利技术属于三七病虫害防治领域，更具体的说涉及一种三七病害高发期发病率预测方法。
技术介绍
三七(Panaxnotoginseng)是五加科人参属多年生草本植物，是云南白药气血康、云南白药膏等的主要成分，广泛分布于云南和广西等地。三七生长喜阴湿环境，但其生长环境对水分比较苛刻，过低的土壤水分不利于三七的生长，过高的土壤水分、空气湿度与温度容易滋生病害，每年6-8月为集中降雨期，亦为三七病害高发期。因此，研究三七病害高发期气象数据特征，获得三七病害与田间气象因子之间的关系，对三七病害的绿色防控具有重要意义。尽管前人研究围绕光强、相对空气湿度、土壤温度与三七发病率之间的关系进行了定性描述，但降雨会改变土壤的温度和热通量、大气温湿度和太阳辐射等气象环境条件，现有研究并没有围绕气象因子进行系统的定量分析和评价。
技术实现思路
本专利技术提供一种三七病害高发期发病率预测方法，将气象因子与作物病害间的关系进行定量的研究和评价，为降低三七病害的设施环境调控和病害预警提供理论依据和技术支持。...

【技术保护点】
1.一种三七病害高发期发病率预测方法，其特征在于，所述的预测方法步骤如下：/n步骤1.连续几年采集三七田5-9月中的气象因子数据，气象因子数据每0.5h采集1次；/n步骤2.将步骤1数据分为训练集和测试集，对训练集数据进行随机森林训练；/n步骤3.将每一个随机森林作为基础学习机模型，累加获得一个集成学习机模型；/n步骤4.建立最终优化预测模型；/n步骤5.将待测定的气象因子数据带入步骤4所得到的最终优化预测模型中，得出对应时间的三七预测发病率，从而在三七病害的高发期前进行防治。/n

【技术特征摘要】
1.一种三七病害高发期发病率预测方法，其特征在于，所述的预测方法步骤如下：
步骤1.连续几年采集三七田5-9月中的气象因子数据，气象因子数据每0.5h采集1次；
步骤2.将步骤1数据分为训练集和测试集，对训练集数据进行随机森林训练；
步骤3.将每一个随机森林作为基础学习机模型，累加获得一个集成学习机模型；
步骤4.建立最终优化预测模型；
步骤5.将待测定的气象因子数据带入步骤4所得到的最终优化预测模型中，得出对应时间的三七预测发病率，从而在三七病害的高发期前进行防治。


2.根据权利要求1所述的一种三七病害高发期发病率预测方法，其特征在于：所述的步骤1详细方法如下：连续几年采集三七田5-9月中的气象因子数据，气象因子数据每0.5h采集1次，气象因子包括太阳净辐射、棚内温度、棚内湿度、棚内土壤热通量、棚内饱和水蒸气压、土壤温度、三七冠层上方温度、三七冠层上方湿度、三七冠层上方土壤热通量、三七冠层上方饱和水蒸气压，并分别记为X1＝{X11,X12,…,X1i}、X2＝{X21,X22,…,X2i}、X3＝{X31,X32,…,X3i}、X4＝{X41,X42,…X4i}、X5＝{X51,X52,…X5i}、X6＝{X61,X62,…,X6i}、X7＝{X71,X72,…,X7i}、X8＝{X81,X82,…,X8i}、X9＝{X91,X92,…,X9i}、X10＝{X101,X102,…,X10i}；
同时连续几年采集三七田5-9月的三七发病率数据。


3.根据权利要求1所述的一种三七病害高发期发病率预测方法，其特征在于：所述的步骤2详细方法如下：
将步骤(1)数据分为训练集和测试集，对训练集数据进行随机森林训练，随机森林的最大节点数、最大树深度、最小子节点数、模型数量分别选取为1000、10、5和100，通过自助法从训练集中有放回的采样得到构建n棵树所需的n个子集即n个子模型，n≥50，从气象因子中随机选择5个因子，采用均方差作为节点分裂标准，递归执行选取最优分枝的操作，获得一个最佳的随机森林模型输出。
每个模型目标函数均为：



式中，m为样本个数，f(θi)为第i的三七样本的森林随机模型预测值，yi为第i的三七样本的真实发病率；
每个随机森林子模型的性能评价指标为均方根误差(RootMeanSquareError,RMSE)，评价指标如下式所示：



式中，h(θi)为第i的三七样本的森林随机模型最佳预测值。
当RMSE收敛时，获得第n个随机森林子模型的最优初始模型。


4.根据权利要求1所述的一种三七病害高发期发病率预测方法，其特征在于：所述的步骤3详细方法如下：将每一个随机森林作为基础学习机模型，累加获得一个集成学习机模型，如下式所示



式中，FC(θ)由100个随机森林基础学习模型机模型线性组合而成，fc(θn)为第c个随机森林基础学习机模型，αc为第c个随机森林基础学习机模型的权重，因每个随机森林模型的本质是降低方差，故所有权重αc记为1，c＝1，2，...

【专利技术属性】
技术研发人员：杨启良，熊凯，周平，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：云南;53