论文部分内容阅读
考虑到海防林环境气候、动植物组成的特殊性及林业害虫发生的非线性、复杂性、无规律性，通过重构非线性时间序列的相空间并将输出向量作为广义回归神经网络（GRNN, Generalized Regression Neural Network）的输入向量对海防林害虫的发生进行预测；并使用仙居县1983-2011年的马尾松毛虫（Dendrolimus punctatus）实测数据对该预测方法进行仿真检验：1983-2007年虫害数据用于重构相空间及训练神经网络，而2008-2011年的数据用于虫害发生的预测检验。结果