TPJ-4太阳能自动虫情测报灯与预测模型的建立

虫情的预测是在通过太阳能自动虫情测报灯观测到的各类害虫数量的基础上，通过建立复杂严谨的数学模型从而推断出虫情的发展阶段，进而帮助农技人员了解情况，制定相应的预防和治理措施。
试验材料来源于《神经网络与MATLAB7》中所搜集的数据，试验对象为我国某地田间水稻，根据历年虫情的发生和发展规律、作物的物候和气象预报等资料，进行全面分析，并做出未来虫情发生量和危害程度的预测。农作物虫害的发生与自然因素有着密切的关系，从影响虫害发生量的气候因子来讲，虫害发生量主要受4个因素的制约:温度、湿度、降雨和光照。影响虫害发生量的各因子之间有着复杂的相互作用，利用传统的方法很难建立起一个精确和完善的预测模型。对1996—2003年的每年5月至10月的虫害发生情况以及气象数据，试验数据进行归一化处理，为了表示清晰，将虫害程度细化为1～4级，分别用00，01，10，11表示选用前向模糊神经网络，通常一个前向模糊神经网络由输入层、模糊化层、模糊推理层、去模糊化层和输出层5层组成。
输入层:输入层的作用是将输入值传送给模糊化层中的模糊单元，将输入值转换为一定的模糊度。输入层由多个节点组成，在农作物虫情预测模型中，输入层即影响虫害发生量的影响因子。选取平均气温、zui低气温、日照时间和降雨量等4个因素。
模糊化层:模糊化层主要是对模糊信息进行预处理，它提供可供概括化的相互连接与处理。
在农作物虫情预测模型中，虫害发生量为4级:1级，2级，3级，4级。去模糊化层:去模糊化层接收经中间层处理的数据，并按照模糊度函数将这些数据进行非模糊化处理，将推理绪论变量的分布型基本模糊状态转化成与网络输入值相应的确定性状态量，即将以分布值0表示的输出结果以确定性值0的形式输出。
太阳能自动虫情测报灯  http://www.cqlight.com.cn/product_2.asp?id=24