02 马尾松毛虫精细化预报回归建模试验.docx
- 文档编号:29852896
- 上传时间:2023-07-27
- 格式:DOCX
- 页数:24
- 大小:352.08KB
02 马尾松毛虫精细化预报回归建模试验.docx
《02 马尾松毛虫精细化预报回归建模试验.docx》由会员分享,可在线阅读,更多相关《02 马尾松毛虫精细化预报回归建模试验.docx(24页珍藏版)》请在冰豆网上搜索。
02马尾松毛虫精细化预报回归建模试验
马尾松毛虫精细化预报回归建模试验
张国庆
(安徽省潜山县林业局安徽246300)
摘要:
通过线性回归、曲线回归、非线性回归、Logistics回归等回归建模试验的比较,建立了显著性较高马尾松毛虫发生量和幼虫高峰期预报模型。
通过试验发现,精细化预报建模,除了“精”、“细”之外,还要注重“简”的精细化预报基本要求。
对于有害生物精细化预报算法而言,应该按照不同县或不同自然区域,采用多种建模算法进行试验比较,选择适合于本区域的精细化预报模型。
就马尾松毛虫发生期预报而言,对防治具有较高指导意义只有幼虫高峰期的预报,而对于虫期监测而言,就目前技术来说,采用性诱或灯诱获取成虫始见期监测数据最易于实现,而且监测成本低,可靠性高。
关键词:
马尾松毛虫;精细化预报;回归;建模;试验
1.数据来源
马尾松毛虫发生量、发生期数据来源于潜山县监测数据,气象数据来源于国家气候中心。
2.数据预处理
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。
经过SPSS初步相关性分析,第一代发生量选择相关性绝对值较高的第1、2龄极低气温,卵期极低气温,上一代防治效果,上一代防治面积,第1、2龄降雨量;第二代发生量选择第1、2龄极低气温,上一代防治面积,卵期极低气温,上一代防治效果,第1、2龄降雨量,卵期降雨量;第一代幼虫高峰期选择成虫始见期,第1、2龄平均气温,第1、2龄积温,第1、2龄极低气温,卵期极低气温,卵期平均气温,卵期积温;第二代幼虫高峰期发生期选择成虫始见期,卵期平均气温,卵期积温,第1、2龄极低气温,第1、2龄平均气温,第1、2龄积温,卵期极低气温。
3.试验工具
IBMSPSSStatistics22,MicrosoftOfficeExcel2007。
4.第一代发生量回归建模试验
首先选择第1、2龄极低气温,卵期极低气温,上一代防治效果,上一代防治面积,第1、2龄降雨量进行线性回归,由于参加回归的变量过多,显著性达不到要求,回归建模试验失败。
然后根据回归失败结果,排除相关性较低的变量,保留第1、2龄极低气温,卵期极低气温,上一代防治效果,上一代防治面积4个变量,进行新的回归建模试验:
GET
FILE='F:
\精细化课题\2015年度成果\建模数据\02回归分析数据\回归分析发生量数据第1代线性回归4元.sav'.
DATASETNAME数据集1WINDOW=FRONT.
REGRESSION
/MISSINGLISTWISE
/STATISTICSCOEFFOUTSBCOVRANOVACOLLINTOL
/CRITERIA=PIN(.05)POUT(.10)CIN(95)
/NOORIGIN
/DEPENDENT发生面积合计
/METHOD=ENTER上一代防治面积上一代防治效果卵期极低气温第12龄极低气温
/SCATTERPLOT=(*SDRESID,*ZPRED)(*SRESID,*ZPRED)
/CASEWISEPLOT(ZRESID)OUTLIERS(3)
/SAVEMAHALCOOKLEVERMCINICINSDBETASDFIT.
实验结果如下:
表1已输入/除去变量a
模型
已输入变量
已除去变量
方法
1
第12龄极低气温,上一代防治效果,上一代防治面积,卵期极低气温b
.
输入
a.因变量:
发生面积合计
b.已输入所有请求的变量。
表2模型摘要b
模型
R
R平方
调整后的R平方
标准估算的错误
1
.573a
.328
.220
3244.08584
a.预测变量:
(常量),第12龄极低气温,上一代防治效果,上一代防治面积,卵期极低气温;
b.因变量:
发生面积合计。
表3ANOVAa
模型
平方和
自由度
均方
F
显著性
1
回归
128282368.071
4
32070592.018
3.047
.036b
残差
263102323.017
25
10524092.921
总计
391384691.088
29
a.因变量:
发生面积合计,
b.预测变量:
(常量),第12龄极低气温,上一代防治效果,上一代防治面积,卵期极低气温。
表4系数a
模型
非标准化系数
标准系数
t
显著性
共线性统计
B
标准错误
贝塔
容许
VIF
1
(常量)
18563.523
6707.486
2.768
.010
上一代防治面积
-.170
.098
-.324
-1.739
.094
.776
1.288
上一代防治效果
3223.329
1580.260
.371
2.040
.052
.812
1.231
卵期极低气温
305.634
696.038
.151
.439
.664
.226
4.421
第12龄极低气温
-1197.311
710.100
-.586
-1.686
.104
.223
4.490
a.因变量:
发生面积合计
表5系数相关a
模型
第12龄极低气温
上一代防治效果
上一代防治面积
卵期极低气温
1
相关性
第12龄极低气温
1.000
-.081
.236
-.879
上一代防治效果
-.081
1.000
-.426
.106
上一代防治面积
.236
-.426
1.000
-.203
卵期极低气温
-.879
.106
-.203
1.000
协方差
第12龄极低气温
504241.982
-91233.188
16.375
-434331.426
上一代防治效果
-91233.188
2497223.162
-65.751
116120.619
上一代防治面积
16.375
-65.751
.010
-13.791
卵期极低气温
-434331.426
116120.619
-13.791
484469.237
a.因变量:
发生面积合计
表6共线性诊断a
模型
维度
特征值
条件指数
方差比例
(常量)
上一代防治面积
上一代防治效果
卵期极低气温
第12龄极低气温
1
1
4.024
1.000
.00
.02
.01
.00
.00
2
.718
2.368
.00
.63
.02
.00
.00
3
.252
3.999
.00
.29
.95
.00
.00
4
.005
27.556
.99
.00
.01
.07
.05
5
.001
62.159
.01
.05
.01
.93
.95
a.因变量:
发生面积合计
表7残差统计数据a
最小值
最大值(X)
平均值
标准偏差
数字
预测值
-2569.2292
8801.5107
2593.2533
2103.21895
30
标准预测值
-2.455
2.952
.000
1.000
30
预测值的标准误差
825.407
2730.499
1251.507
440.704
30
调整后的预测值
-4912.0854
5178.9038
2450.9035
2183.45092
30
残差
-4553.19727
7036.47559
.00000
3012.05808
30
标准残差
-1.404
2.169
.000
.928
30
学生化残差
-1.470
2.419
.019
1.036
30
删除的残差
-5015.60791
10383.85449
142.34987
3819.12349
30
学生化剔除残差
-1.507
2.709
.043
1.088
30
马氏距离(D)
.911
19.578
3.867
3.976
30
Cook's距离
.000
.879
.061
.167
30
居中杠杆值
.031
.675
.133
.137
30
a.因变量:
发生面积合计
从表1~表7以及图1、图2来看,排除多余变量后的回归试验结果比较理想,显著性概率为0.036,小于0.05,拒绝回归系数都为0的原假设,回归模型为:
第一代发生面积=18563.523-0.17×上一代发生面积+3223.329×上一代防治效果+305.634×卵期极低气温-1197.311×第1、2龄极低气温
5.第二代发生量回归建模试验
采取同样的方法,分别选择第1、2龄极低气温,上一代防治面积,卵期极低气温,上一代防治效果对第二代马尾松毛虫发生量进行SSPS回归建模试验,和选择第1、2龄极低气温,上一代防治面积进行SSPS回归建模试验,显著性均达不到要求,回归试验失败。
由于算法上的差异,随后改用EXCSL对第1、2龄极低气温,上一代防治面积进行回归建模试验,试验结果接近显著性要求。
结果如下:
表8回归统计
MultipleR
0.4280581
RSquare
0.1832337
AdjustedRSquare
0.126905
标准误差
8261.2721
观测值
32
表9方差分析
df
SS
MS
F
SignificanceF
回归分析
2
444016848
222008424
3.2529366
0.05314
残差
29
1.979E+09
68248617
总计
31
2.423E+09
表10系数
Coefficients
标准误差
tStat
P-value
Lower95%
Upper95%
下限95.0%
上限95.0%
Intercept
-33943.89
20697.535
-1.639997
0.1118101
-76275.1
8387.323
-76275.1
8387.3232
XVariable1
1.3337872
0.9514043
1.4019141
0.1715542
-0.61205
3.279628
-0.612053
3.2796275
XVariable2
1958.0085
1054.4209
1.8569515
0.073502
-198.524
4114.541
-198.5244
4114.5413
表11RESIDUALOUTPUT
观测值
预测Y
残差
标准残差
1
8054.9461
1107.3873
0.1385908
2
2863.2836
5300.3831
0.6633492
3
11359.543
-966.2101
-0.120922
4
11070.02
-4743.353
-0.593636
5
16046.454
973.54603
0.1218404
6
7094.0831
-6105.416
-0.7641
7
4112.9594
1933.0406
0.2419223
8
8462.8155
-5255.549
-0.657738
9
3649.8738
-3033.207
-0.379609
10
-28.55024
130.55024
0.0163385
11
517.0603
-116.727
-0.014609
12
8241.3188
-1338.652
-0.167534
13
5429.5078
-2645.508
-0.331088
14
6978.4882
26402.912
3.3043554
15
1104.4628
-904.4628
-0.113195
16
7761.6916
-7761.692
-0.971385
17
7174.2891
-6847.622
-0.856988
18
908.66199
424.67134
0.0531481
19
6978.4882
-4461.822
-0.558402
20
10847.186
-313.8527
-0.039279
21
8479.0771
10034.923
1.2558824
22
6549.1742
-4764.108
-0.596234
23
6926.1958
-6319.529
-0.790896
24
517.0603
-149.927
-0.018764
25
4014.0849
-3627.418
-0.453976
26
7572.638
-7357.971
-0.920859
27
1442.1769
-1108.844
-0.138773
28
7441.0465
27433.087
3.433283
29
5607.8823
-2997.882
-0.375188
30
5803.6831
-3870.35
-0.484379
31
321.25945
2012.0739
0.2518134
32
3062.4713
-1062.471
-0.13297
从试验结果看,显著性概率为0.05314,非常接近于0.05,试验模型接近试验要求,回归模型为:
第二代发生面积=-33943.89+1.3337872×上一代防治面积+1958.0085×第1、2龄极低气温
6.第一代发生期回归建模试验
首先选择成虫始见期,第1、2龄平均气温,第1、2龄积温,第1、2龄极低气温,卵期极低气温,卵期平均气温,卵期积温,对第一代幼虫高峰期进行线性回归,由于参加回归的变量过多,显著性达不到要求,回归试验失败。
然后根据回归失败结果,排除相关性较低的变量,保留成虫始见期,第1、2龄积温,第1、2龄平均气温3个相关性较高的变量,进行新的回归建模试验:
GET
FILE='F:
\精细化课题\2015年度成果\建模数据\02回归分析数据\回归分析发生期数据第1代.sav'.
DATASETNAME数据集1WINDOW=FRONT.
REGRESSION
/MISSINGLISTWISE
/STATISTICSCOEFFOUTSBCOVRANOVACOLLINTOL
/CRITERIA=PIN(.05)POUT(.10)CIN(95)
/NOORIGIN
/DEPENDENT幼虫高峰期
/METHOD=ENTER成虫始见期第12龄平均气温第12龄积温日度
/SCATTERPLOT=(*SDRESID,*ZPRED)(*ZRESID,*ZPRED)
/CASEWISEPLOT(ZRESID)OUTLIERS(3)
/SAVEMAHALCOOKLEVERMCINICINSDBETASDFIT.
试验结果为:
表12已输入/除去变量a
模型
已输入变量
已除去变量
方法
1
第12龄积温日度,成虫始见期b
.
输入
a.因变量:
幼虫高峰期;
b.已达到容差=.000限制。
表13模型摘要b
模型
R
R平方
调整后的R平方
标准估算的错误
1
.964a
.930
.925
.718
a.预测变量:
(常量),第12龄积温日度,成虫始见期;
b.因变量:
幼虫高峰期。
表14ANOVAa
模型
平方和
自由度
均方
F
显著性
1
回归
191.743
2
95.871
185.760
.000b
残差
14.451
28
.516
总计
206.194
30
a.因变量:
幼虫高峰期;
b.预测变量:
(常量),第12龄积温日度,成虫始见期。
表15系数a
模型
非标准化系数
标准系数
t
显著性
共线性统计
B
标准错误
贝塔
容许
VIF
1
(常量)
34.055
8.051
4.230
.000
成虫始见期
.585
.032
.970
18.247
.000
.886
1.129
第12龄积温日度
.002
.007
.017
.321
.751
.886
1.129
a.因变量:
幼虫高峰期
表16排除的变量a
模型
输入贝塔
t
显著性
偏相关
共线性统计
容许
VIF
最小容差
1
第12龄平均气温
.b
.
.
.
.000
.
.000
a.因变量:
幼虫高峰期;
b.模型中的预测变量:
(常量),第12龄积温日度,成虫始见期
表17系数相关a
模型
第12龄积温日度
成虫始见期
1
相关性
第12龄积温日度
1.000
.338
成虫始见期
.338
1.000
协方差
第12龄积温日度
4.836E-5
7.536E-5
成虫始见期
7.536E-5
.001
a.因变量:
幼虫高峰期
表18共线性诊断a
模型
维度
特征值
条件指数
方差比例
(常量)
成虫始见期
第12龄积温日度
1
1
2.998
1.000
.00
.00
.00
2
.002
37.498
.01
.05
.72
3
.000
140.556
.99
.95
.28
a.因变量:
幼虫高峰期
表19残差统计数据a
最小值
最大值(X)
平均值
标准偏差
数字
预测值
155.39
162.44
158.16
2.528
31
标准预测值
-1.098
1.692
.000
1.000
31
预测值的标准误差
.139
.340
.219
.047
31
调整后的预测值
155.40
162.35
158.15
2.523
31
残差
-1.466
1.695
.000
.694
31
标准残差
-2.041
2.359
.000
.966
31
学生化残差
-2.129
2.524
.007
1.023
31
删除的残差
-1.595
1.940
.010
.778
31
学生化剔除残差
-2.284
2.820
.011
1.065
31
马氏距离(D)
.161
5.745
1.935
1.280
31
Cook's距离
.000
.307
.041
.064
31
居中杠杆值
.005
.192
.065
.043
31
a.因变量:
幼虫高峰期
从表12~表19以及图3、图4来看,排除多余变量后的回归试验结果比较理想,显著性概率为0.000,远远小于0.05,拒绝回归系数都为0的原假设,同时在回归过程中还排除了变量第1、2龄平均气温,回归模型为:
第一代幼虫高峰期(日历天)=34.055+0.585×上一代成虫始见期+0.002×第1、2龄幼虫期积温(日度)
7.第二代发生期回归建模试验
采用同样方法,对第二代幼虫高峰期进行回归建模试验。
首先选择成虫始见期,卵期平均气温,卵期积温,第1、2龄极低气温,第1、2龄平均气温,第1、2龄积温,卵期极低气温,进行试验。
由于参加回归的变量过多,显著性达不到要求,回归试验失败。
然后根据回归失败结果,排除相关性较低的变量,保留成虫始见期,卵期积温,卵期平均气温3个相关性较高的变量,进行新的回归建模试验:
GET
FILE='F:
\精细化课题\2015年度成果\建模数据\02回归分析数据\回归分析发生期数据第2代.sav'.
DATASETNAME数据集1WINDOW=FRONT.
REGRESSION
/MISSINGLISTWISE
/STATISTICSCOEFFOUTSBCOVRANOVACOLLINTOL
/CRITERIA=PIN(.05)POUT(.10)CIN(95)
/NOORIGIN
/DEPENDENT幼虫高峰期
/METHOD=ENTER成虫始见期卵期积温日度卵期平均气温
/SCATTERPLOT=(*SDRESID,*ZPRED)(*ZRESID,*ZPRED)
/CASEWISEPLOT(ZRESID)OUTLIERS(3)
/SAVEMAHALCOOKLEVERMCINICINDFBETADFFIT.
试验结果为:
表20已输入/除去变量a
模型
已输入变量
已除去变量
方法
1
卵期平均气温,成虫始见期b
.
输入
a.因变量:
幼虫高峰期;b.已达到容差=.000限制。
表21模型摘要b
模型
R
R平方
调整后的R平方
标准估算的错误
1
.948a
.898
.891
.709
a.预测变量:
(常量),卵期平均气温,成虫始见期;
b.因变量:
幼虫高峰期。
表22ANOVAa
模型
平方和
自由度
均方
F
显著性
1
回归
123.906
2
61.953
123.079
.000b
残差
14.094
28
.503
总计
138.000
30
a.因变量:
幼虫高峰期;
b.预测变量:
(常量),卵期平均气温,成虫始见期。
表23系数a
模型
非标准化系数
标准系数
t
显著性
共线性统计
B
标准错误
贝塔
容许
VIF
1
(常量)
219.323
3.157
69.483
.000
成虫始见期
.280
.018
.941
15.585
.000
1.000
1.000
卵期平均气温
-.150
.082
-.110
-1.817
.080
1.000
1.000
a.因变量:
幼虫高峰期
表21排除的变量a
模型
输入贝塔
t
显著性
偏相关
共线性统计
容许
V
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 02 马尾松毛虫精细化预报回归建模试验 马尾松 毛虫 精细 预报 回归 建模 试验