-
公开(公告)号：CN118211733A
公开(公告)日：2024-06-18
申请号：CN202410462665.8
申请日：2024-04-17
Applicant: 东北林业大学 , 国家林业和草原局生物灾害防控中心
IPC: G06Q10/04 , G06F18/214 , G06F18/24 , G06N3/0464 , G06N3/084 , G06F17/18
Abstract: 一种松材线虫病发生预测方法、电子设备及存储介质，属于森林病虫害大数据预测与控制技术领域。为提高松材线虫病发生预测的准确性，本发明建立松材线虫病多源影响因子数据集；进行时间和空间的划分，然后进行数据清洗、数据整合、数据转换和归一化处理，划分为对应的训练集和预测集；构建用于松材线虫病的细胞自动机模型；构建用于松材线虫病的时间卷积网络模型；利用处理后的松材线虫病多源影响因子数据集的预测集，输入到训练好的松材线虫病的细胞自动机模型、用于松材线虫病的时间卷积网络模型中，对松材线虫病发生进行预测；将松材线虫病发生预测结果，基于ArcGIS的可视化地理信息系统生成集成图层。本发明预测准确。
-
公开(公告)号：CN118211733B
公开(公告)日：2025-02-11
申请号：CN202410462665.8
申请日：2024-04-17
Applicant: 东北林业大学 , 国家林业和草原局生物灾害防控中心
IPC: G06Q10/04 , G06F18/214 , G06F18/24 , G06N3/0464 , G06N3/084 , G06F17/18
Abstract: 一种松材线虫病发生预测方法、电子设备及存储介质，属于森林病虫害大数据预测与控制技术领域。为提高松材线虫病发生预测的准确性，本发明建立松材线虫病多源影响因子数据集；进行时间和空间的划分，然后进行数据清洗、数据整合、数据转换和归一化处理，划分为对应的训练集和预测集；构建用于松材线虫病的细胞自动机模型；构建用于松材线虫病的时间卷积网络模型；利用处理后的松材线虫病多源影响因子数据集的预测集，输入到训练好的松材线虫病的细胞自动机模型、用于松材线虫病的时间卷积网络模型中，对松材线虫病发生进行预测；将松材线虫病发生预测结果，基于ArcGIS的可视化地理信息系统生成集成图层。本发明预测准确。
-
公开(公告)号：CN118246594B
公开(公告)日：2024-11-22
申请号：CN202410334831.6
申请日：2024-03-22
Applicant: 东北林业大学 , 国家林业和草原局生物灾害防控中心
Abstract: 一种基于ArcGIS的落叶松枯梢病传播预测及其防治方法，属于落叶松枯梢病的预防技术领域。为解决解决落叶松枯梢病传播扩散的监测、预测以及防治方法比较缺乏的问题，本发明采集落叶松枯梢病历史发生数据构建落叶松枯梢病数据集，进行研究区域的提取，然后对落叶松枯梢病数据集进行划分处理，划分为多个训练集和评估集；利用最大熵原理构建MaxENT生态位模型，利用ArcGIS中的空间分析工具和统计学方法构建基于历史数据的统计学落叶松枯梢病预测模型，通过最小二乘拟合后得到基于ArcGIS的落叶松枯梢病的预测模型，对落叶松枯梢病的高风险发生地区进行预测。本发明提高了病害预测的准确性及稳定性，为防治决策提供科学依据。
-
公开(公告)号：CN118246594A
公开(公告)日：2024-06-25
申请号：CN202410334831.6
申请日：2024-03-22
Applicant: 东北林业大学 , 国家林业和草原局生物灾害防控中心
Abstract: 一种基于ArcGIS的落叶松枯梢病传播预测及其防治方法，属于落叶松枯梢病的预防技术领域。为解决解决落叶松枯梢病传播扩散的监测、预测以及防治方法比较缺乏的问题，本发明采集落叶松枯梢病历史发生数据构建落叶松枯梢病数据集，进行研究区域的提取，然后对落叶松枯梢病数据集进行划分处理，划分为多个训练集和评估集；利用最大熵原理构建MaxENT生态位模型，利用ArcGIS中的空间分析工具和统计学方法构建基于历史数据的统计学落叶松枯梢病预测模型，通过最小二乘拟合后得到基于ArcGIS的落叶松枯梢病的预测模型，对落叶松枯梢病的高风险发生地区进行预测。本发明提高了病害预测的准确性及稳定性，为防治决策提供科学依据。
-
公开(公告)号：CN118246595B
公开(公告)日：2025-03-25
申请号：CN202410334835.4
申请日：2024-03-22
Applicant: 东北林业大学 , 国家林业和草原局生物灾害防控中心
IPC: G06Q10/04 , G06Q50/02 , G06F16/29 , G06F17/15 , G06F18/15 , G06F18/2415 , G06F18/25 , G06N3/0455 , G06N3/08
Abstract: 一种美国白蛾病虫害发生概率预测方法、电子设备及存储介质，属于美国白蛾病虫害预测技术领域。为高效、准确的预测美国白蛾病虫害，本发明采集美国白蛾病虫害的历史发生数据、森林生态环境数据以及气象数据，进行数据清洗和归一化处理；利用皮尔逊相关系数分析预处理后的数据对美国白蛾病虫害的影响力以及数据间的相关性，提取与国白蛾病虫害的影响力相关性最大的相关变量，构建训练数据集和测试数据集；基于Transformer神经网络构建美国白蛾病虫害发生概率预测模型；设置美国白蛾病虫害发生概率预测准确率评价指标；实时获取监测数据，利用美国白蛾病虫害发生概率预测模型进行模拟实验，对美国白蛾病虫害发生概率进行预测。
-
Patent Agency Ranking
公开(公告)号：CN118333231A
公开(公告)日：2024-07-12
申请号：CN202410589324.7
申请日：2024-05-13
Applicant: 东北林业大学 , 国家林业和草原局生物灾害防控中心
IPC: G06Q10/04 , G06Q10/067 , G06Q50/02 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 一种松材线虫病害传播预测方法、电子设备及存储介质，属于松材线虫病害预测技术领域。为提高松材线虫病害预测的准确性，本发明包括数据收集，包括疫木分布地区的历史病害发生数据和疫木分布地区的气象数据和地理信息数据；进行预处理，然后构建训练集、验证集和测试集；构建基于Kalman‑LSTM‑NGO组合的松材线虫病害传播预测模型，利用得到的训练集进行模型训练，利用验证集对模型进行验证调优和测试，利用测试集对模型进行预测，得到松材线虫病害传播预测结果进行可视化处理，用于帮助决策者根据可视化处理结果分析施肥、疏伐、采伐方面的措施，提出包括松树疫情监测、控制手段和资源分配的优化建议。本发明预测准确。
-
公开(公告)号：CN118246596A
公开(公告)日：2024-06-25
申请号：CN202410334837.3
申请日：2024-03-22
Applicant: 东北林业大学 , 国家林业和草原局生物灾害防控中心
Abstract: 本发明提出一种松材线虫病扩散蔓延预测方法，属于森林保护学技术领域。包括以下步骤：S1.收集松材线虫病历史发生数据，并存储为栅格数据，再将栅格数据转换为矢量数据；S2.获取松材线虫病的影响因子历史发生数据并对影响因子的相关性进行分析；S3建构基于松材线虫病的传染病动力学模型；S4.建构PGNN物理引导神经网络混合模型；S5.将松材线虫病历史发生数据和相关度强的影响因子数据输入至PGNN物理引导神经网络混合模型中，输出松材线虫病扩散蔓延情况。S6.基于遗传优化算法对PGNN物理引导神经网络模型参数进行优化，返回至S5；解决现有技术中存在的缺乏高效、准确的预测方法的技术问题。
-
公开(公告)号：CN118246595A
公开(公告)日：2024-06-25
申请号：CN202410334835.4
申请日：2024-03-22
Applicant: 东北林业大学 , 国家林业和草原局生物灾害防控中心
IPC: G06Q10/04 , G06Q50/02 , G06F16/29 , G06F17/15 , G06F18/15 , G06F18/2415 , G06F18/25 , G06N3/0455 , G06N3/08
Abstract: 一种美国白蛾病虫害发生概率预测方法、电子设备及存储介质，属于美国白蛾病虫害预测技术领域。为高效、准确的预测美国白蛾病虫害，本发明采集美国白蛾病虫害的历史发生数据、森林生态环境数据以及气象数据，进行数据清洗和归一化处理；利用皮尔逊相关系数分析预处理后的数据对美国白蛾病虫害的影响力以及数据间的相关性，提取与国白蛾病虫害的影响力相关性最大的相关变量，构建训练数据集和测试数据集；基于Transformer神经网络构建美国白蛾病虫害发生概率预测模型；设置美国白蛾病虫害发生概率预测准确率评价指标；实时获取监测数据，利用美国白蛾病虫害发生概率预测模型进行模拟实验，对美国白蛾病虫害发生概率进行预测。
-
公开(公告)号：CN118246596B
公开(公告)日：2025-03-28
申请号：CN202410334837.3
申请日：2024-03-22
Applicant: 东北林业大学 , 国家林业和草原局生物灾害防控中心
Abstract: 本发明提出一种松材线虫病扩散蔓延预测方法，属于森林保护学技术领域。包括以下步骤：S1.收集松材线虫病历史发生数据，并存储为栅格数据，再将栅格数据转换为矢量数据；S2.获取松材线虫病的影响因子历史发生数据并对影响因子的相关性进行分析；S3建构基于松材线虫病的传染病动力学模型；S4.建构PGNN物理引导神经网络混合模型；S5.将松材线虫病历史发生数据和相关度强的影响因子数据输入至PGNN物理引导神经网络混合模型中，输出松材线虫病扩散蔓延情况。S6.基于遗传优化算法对PGNN物理引导神经网络模型参数进行优化，返回至S5；解决现有技术中存在的缺乏高效、准确的预测方法的技术问题。
-
公开(公告)号：CN118333231B
公开(公告)日：2025-02-14
申请号：CN202410589324.7
申请日：2024-05-13
Applicant: 东北林业大学 , 国家林业和草原局生物灾害防控中心
IPC: G06Q10/04 , G06Q10/067 , G06Q50/02 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 一种松材线虫病害传播预测方法、电子设备及存储介质，属于松材线虫病害预测技术领域。为提高松材线虫病害预测的准确性，本发明包括数据收集，包括疫木分布地区的历史病害发生数据和疫木分布地区的气象数据和地理信息数据；进行预处理，然后构建训练集、验证集和测试集；构建基于Kalman‑LSTM‑NGO组合的松材线虫病害传播预测模型，利用得到的训练集进行模型训练，利用验证集对模型进行验证调优和测试，利用测试集对模型进行预测，得到松材线虫病害传播预测结果进行可视化处理，用于帮助决策者根据可视化处理结果分析施肥、疏伐、采伐方面的措施，提出包括松树疫情监测、控制手段和资源分配的优化建议。本发明预测准确。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.05 seconds)
