基于基因表达编程与支持矢量机器的小麦花发生的预测研究
Yin Li1,2, Yang Lv3, Jian Guo3
1College of Information Engineering, Northwest A&F University, Yangling, Xianyang 712100, China.
Insects
|July 26, 2024
概括
一种新的基因表达编程支持向量机 (GEP-SVM) 模型改善了智能农业害虫预测. 这种创新方法提高了计算效率和准确性,以实现更好的农业生产战略.
科学领域:
- 农业科学 农业科学
- 计算生物学 计算生物学
- 机器学习 机器学习
背景情况:
- 智能农业在有效预测植物害虫和疾病方面面临挑战.
- 现有的模型往往因为训练速度缓慢和预测准确度低而受到影响.
- 需要先进的计算方法来提高预测能力.
研究的目的:
- 引入一种创新的预测方法,将基因表达编程 (GEP) 与支持矢量机 (SVM) 集成,以提高害虫预测.
- 解决现有模型在速度和准确性方面的局限性.
- 通过改进的预测建模,优化农业生产战略.
主要方法:
- 开发了基因表达编程支持矢量机 (GEP-SVM) 模型.
- 使用单个基因值作为SVM的参数,通过对遗传参数的网格搜索进行优化.
- 在历史的小麦花数据 (1933-2010) 上测试了该模型,并与传统方法进行了比较.
主要成果:
- 该GEP-SVM模型实现了90.83%的后代准确率.
- 与GEP,SVM,天真贝叶斯,K-最近邻居和BP神经网络相比,展示了优越的概括和拟合能力.
- 显著提高了害虫和疾病预测的计算效率.
结论:
- 在智能农业中,GEP-SVM模型为病虫害预测提供了显著的进步.
- 该模型为未来农业预测工作提供了坚实的科学基础.
- 这种方法通过提高预测准确性和效率,有助于优化农业生产战略.
