摘要：根据安徽省安庆市大观区马尾松毛虫监测数据，通过神经网络模型建模进行试验，结果表明，选择合适的神经网络模型和训练参数，其预测精度完全可以满足生产预报要求。

关键词：马尾松毛虫；幼虫高峰期；神经网络；预报

基金项目：林业公益性行業科研项目“全国林业生物灾害精细化预报及管理基础应用研究”（201404410）

中图分类号： S763.3；S763.7 文献标识码： A DOI编号： 10.14025/j.cnki.jlny.2018.14.066

1 数据来源与预处理

马尾松毛虫（Dendrolimus punctatus Walker）发生期数据来源于历年监测数据，气象数据来源于国家气候中心，为便于建模分析，将发生期数据的日期格式（年/月/日）转换成日历天。由于马尾松毛虫最佳防治时期为2～3龄幼虫期，将2～3龄幼虫高峰期作为预报因变量（目标变量Targets），气象数据作为自变量（输入变量Input）。

此外，大观区属于2～3代马尾松毛虫发生区，以幼虫越冬，为了体现马尾松毛虫发生发展时间上的完整性，在数据处理时，将越冬代数据与上一年第二代数据合并，这样，就在时间上保持了一个马尾松毛虫世代的完整性，更便于建模和预测。

转换成日历天的2～3龄幼虫高峰期数据如表1所示。

2 输入变量的筛选

将表1数据与相应的气象数据合并，采用Excel2016对进行相关性分析，通过相关性分析，第一代2～3龄幼虫高峰期与第1、2龄平均气温，第1、2龄积温（日度），第1、2龄极低气温，卵期极低气温相关性较高；第二代2～3龄幼虫高峰期与成虫始见期，卵期平均气温，卵期积温（日度），第1、2龄极低气温相关性较高[1-9]。

3 建模试验工具选择

选择Matlab2016a中神经网络工具Neural Net Fitting进行建模试验。……