TPJ-5虫情测报灯与农作物虫情预测

农作物虫害对农作物造成的严重危害，使农业生产遭受严重损失。为了避免或减少损失，可以根据气象资料、病虫害的发生发展规律进行分析预测，如果能够准确地预测虫害发生量及其危害程度，就可有效地预先采取措施，降低虫害发生量。有关虫情预测的研究，目前主要有统计法、实验法、观察法，但这些方法存在一定的局限性，如观察法中的经验预测受人为因素影响较为明显，采用的相关系数准确率低，预测结果的可靠性很难得到保证; 时间序列法的预测准确率虽有了较大提高，但要求定量采集影响虫害行为的多种影响因子，模型的建立和检验过程复杂，使用难度较高; BP 神经网络算法网络误差精度变化平缓，收敛速度慢，并陷入局部*状态，即所谓的“早熟"现象。高阳在 BP 神经网络训练过程引入进行量子学习算法，使该方法在预测精度和速度等方面都优于传统 BP 神经网络，但量子门在更新过程中，由于量子计算本身存在一定的概率性，所以不是每次更新都能减小误差。
模糊神经网络是由模糊系统和神经网络交叉综合而产生的，是软计算技术的主要研究内容之一，是智能控制理论中的一个十分活跃的分支，模糊神经网络是一种能处理抽象信息的网络结构，具有强大的自学习和自调整功能。模糊神经网络同普通人工神经网络一样，由大量模糊的或非模糊的神经元按某种拓扑结构连接而成。
三种基本的模糊神经元为: 模糊化神经元、去模糊化神经元、模糊逻辑神经元。1987 年，Kos-ko *将模糊理论与神经网络结合在一起，并进行了较为系统的研究。各种新模型的提出以及相应学习算法的研究使模糊神经网络理论得到快速的发展和广泛的应用。鉴于此，提出将人工神经网络与模糊系统结合，建立基于模糊神经网络的预测模型，将其应用于农作物虫情预测，以期能进一步提高预测速度和精度。
虫情测报灯  http://www.cqlight.com.cn/product_2.asp?id=23