声明
1前言
1.1大数据简介
1.1.1大数据的发展
1.1.2大数据的特点
1.1.3农业大数据
1.2数据挖掘
1.2.1随机森林
1.2.2支持向量机
1.2.3神经网络
1.3农业病虫害监测预警
1.3.1传统农业病虫害监测预警
1.3.2现代化农业病虫害监测预警
1.4小麦蚜虫监测预警
1.4.1小麦蚜虫概述
1.4.2影响小麦蚜虫种群的环境因素
1.4.3小麦蚜虫监测预警模型构建现状
1.5立题依据与意义
2材料与方法
2.1数据采集
2.1.1麦长管蚜及其天敌数据采集
2.1.2气象数据采集
2.2数据预处理
2.2.1缺失值处理
2.2.2因变量分级
2.2.3自变量选择
2.3模型构建
2.3.1随机森林模型构建
2.3.2支持向量机模型构建
2.3.3神经网络模型构建
2.4模型评估
2.4.1混淆矩阵法
2.4.2十折交叉验证法
2.5关联因子分析
3结果与分析
3.1数据预处理结果
3.1.1缺失值处理
3.1.2因变量分级
3.1.3自变量选择
3.2模型构建
3.2.1随机森林模型
3.2.2支持向量机模型
3.2.3神经网络模型
3.3模型评估
3.3.1利用混淆矩阵评价3种模型的性能
3.3.2利用十折交叉验证法评价3种模型的性能
3.4关联性分析
4讨论
4.1 3种机器学习算法比较分析
4.2影响鲁东地区麦长管蚜发生程度的关联因子分析
5结论
参考文献
致谢
攻读硕士期间发表论文情况
山东农业大学;