综合多层感知子和物流回归 (MLP-LR) 方法更好地预测了Hyphantria cunea (Lepidoptera: Erebidae) 的传播

科学领域:

• 生态生态学 生态生态学
• 农业昆虫学 农业昆虫学
• 计算生物学 计算生物学

背景情况:

• 虫 (Hyphantria cunea) 对中国的森林和农作物构成重大威胁.
• 害虫传播数据通常表现出与影响因素的非线性关系,并受到数据限制 (小型数据集,缺失值).
• 传统的害虫建模方法与非线性数据和小的,不完整的数据集作斗争.

研究的目的:

• 开发一个强大的Hyphantria cunea传播预测模型.
• 解决现有模型在处理非线性关系和数据约束方面的局限性.
• 提高害虫爆发预测的准确性和可靠性.

主要方法:

• 提出了MLP-LR方法,将逻辑回归 (LR) 与多层感知子 (MLP) 集成在一起.
• 采用贝叶斯适应拉索来选择关键影响因素以提高预测准确度.
• 利用中国的Hyphantria cunea发生数据验证了该模型,重点关注小型数据集的性能.

主要成果:

• 与独立的LR和MLP模型相比,MLP-LR模型表现出卓越的稳定性和准确性.
• 综合方法有效地处理了与害虫传播数据固有的非线性关系和数据限制.
• 贝叶斯适应性拉索成功识别了影响害虫分布的关键因素,进一步提高了预测能力.

结论:

• MLP-LR方法为预测Hyphantria cunea疫情提供了显著的进步,特别是在数据稀缺的情况下.
• 这项研究为害虫防治,预测和预警系统提供了有价值的新工具.
• 这些发现为研究和入侵物种控制的实际应用提供了关键的见解.