论文部分内容阅读
由于受菌源量、3—5月份的降雨量、早春气温及感病品种的播种面积等因素的影响,小麦条锈病的流行过程具有非线性、多时间尺度变化等特征。为研究小麦条锈病的流行趋势,本文构造一种基于小波变换和神经网络相结合的小麦条锈病预测模型,综合了小波分析的多分辨功能和人工神经网络的非线性逼近能力,提高了预报的科学性和精度。并以汉中地区1974年到1994年小麦条锈病流行数据预报1995年到1997年小麦条锈病发生情况,进一步验证模型的合理性。