【技术实现步骤摘要】
一种自适应的茶小绿叶蝉高精度预报系统
[0001]本专利技术涉及害虫监测
，具体涉及一种自适应的茶小绿叶蝉高精度预报系统。
技术介绍
[0002]茶作为中华国饮，已成为中国人日常生活中必不可少，密不可分的一部分。随着我国经济的快速发展，国人越来越关注生活质量，而茶作为一个公认的健康饮品，具备的抗癌、减肥、降血压血脂的作用，使其受到越来越多的青睐。目前，茶产业已成为世界许多国家、特别是发展中国家的农业支柱产业和农民收入的重要来源，茶文化已成为全世界共同的精神财富；然而，如果茶叶种植过程中受到病虫害的侵蚀，将会引起茶叶品质和产量的下降问题。
[0003]茶小绿叶蝉分布于我国各个茶区，且属危害最严重的害虫之一，其中以茶小贯小绿叶蝉Empoasca onukii Matsuda为主，数量可达98％以上。该虫世代重叠、个体小虫量大，常年引起茶叶减产、品质下降；在我国长江中下游的茶区，正常年份夏茶、秋茶损失达10％～15％，而重灾年份茶叶损失高达50％以上，发生特别严重的茶园甚至会出现夏茶、秋茶无收的情况。鉴于茶小绿叶蝉严...
【技术保护点】
【技术特征摘要】
1.一种自适应的茶小绿叶蝉高精度预报系统，其特征在于：包括数据集构建系统、训练系统、特定地区部署系统以及更新系统；所述数据集构建系统，用于结合全国地区的茶小绿叶蝉信息统计数据D
a
与特定地区的茶小绿叶蝉信息统计数据D
b
进行分类整理、构建数据集，获得用于训练系统的训练集D1、测试集D2以及验证集D3；其中，训练集D1用于对模型的参数进行调整训练；测试集D2用于在训练过程中对模型的性能测试；验证集D3为模型训练完成后，对模型的测试确认；上述茶小绿叶蝉信息统计数据包括：三月份田间每亩茶园的越冬虫口量X1、十二月份至二月份最低气温之和X2、二月份平均气温X3、信息统计时间t以及该统计时间下的茶小绿叶蝉第一峰实际发生程度Y；所述茶小绿叶蝉第一峰实际发生程度Y由轻度发生Y1、中度发生Y2以及重度发生Y3三个等级组成；所述训练系统，用于对训练集D1、测试集D2的数据进行模型训练，得到一个三分类模型；当验证集D3中预测误差满足给定门限时，停止训练；所述预测误差具体为：其中，为时间权重因子；n表示用于计算预测误差的验证集的样本数；式中，t0表示当前时间；t
i
表示信息统计时间(即样本对应时间)；fc(t0‑
t
i
)为时间转换函数，其将时间差同一单位转换为秒；λ表示时间尺度因子，用于调整不同时间间隔段的影响权重；通过引入时间权重因子，对各个样本的误差结果进行加权，从而保证预测的精确度；其中，其中，式中，为预测值，其通过需要预测的输入特征、经过模型计算获得；Y为真实值；所述特定地区部署系统，用于将训练系统训练完成的模型用于茶小绿叶蝉第一峰的预测；具体为：搜集对茶小绿叶蝉第一峰影响较大的三月份田间每亩茶园的越冬虫口量X1、十二月份至二月份最低...
【专利技术属性】
技术研发人员：王晓庆，江宏燕，陈世春，彭萍，胡翔，
申请(专利权)人：重庆市农业科学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。