基于智能算法的月季鲜切花病虫害预测模型的探究

钱 晔，孙吉红，彭 琳，李文峰，汪惜今，陆国泉

(1.云南农业大学 基础与信息工程学院，云南 昆明 650201；2.云南省高校农业信息技术重点实验室，云南 昆明 650201；3.云南省科学技术院，云南 昆明 650000；4.云南农业大学 新农村发展研究院，云南 昆明 650201；5.成都信息工程大学 大气科学学院，四川 成都 610000)

基于智能算法的月季鲜切花病虫害预测模型的探究

钱 晔1,2，孙吉红3，彭 琳1,2，李文峰2,4，汪惜今5，陆国泉1,2

(1.云南农业大学 基础与信息工程学院，云南 昆明 650201；2.云南省高校农业信息技术重点实验室，云南 昆明 650201；3.云南省科学技术院，云南 昆明 650000；4.云南农业大学 新农村发展研究院，云南 昆明 650201；5.成都信息工程大学 大气科学学院，四川 成都 610000)

针对传统预测模型的主观性强、成本偏高、误差偏大等问题，设计并提出了基于自组织竞争神经网络算法的月季鲜切花病虫害预测模型。该模型能够有效预防病虫害危害，确保月季鲜切花的正常生长，从而确保云南省月季鲜切花的产量、质量和声誉。以最为典型的月季鲜切花白粉病为实例，通过问卷调查、头脑风暴法相结合的加权方法来确定影响因子的权重，并以60组影响因子的数据作为输入数据，建立了基于自组织竞争神经网络算法的病虫害预测模型。将所提出模型的预测结果与采用名义小组法所建立传统病虫害预测模型的预测结果进行对比分析。实验结果及其分析表明，基于自组织竞争神经网络算法的预测模型可有效地为月季鲜切花种植企业、农户、散户提供更加准确的信息，降低了种植的盲目性。

智能算法；月季鲜切花病虫害；自组织竞争神经网络；预测

0 引 言

云南地区日照、年降雨量比较充沛[1]，气候特殊异常，地理环境错综复杂，铸就了绚丽多彩的月季鲜切花王国。云南省月季鲜切花品种极为丰富、价格低廉、产量巨大、销售量稳居全国第一，占据了全国70%以上的市场份额，出口量高达80亿枝以上，是国内最大的月季鲜切花生产基地。

近年来，随着云南省月季鲜切花产业的迅速发展，昆明斗南花卉市场成为亚洲最大的月季鲜切花交易市场。巨大的交易量对月季鲜切花的质量、品质要求更为严格，给月季鲜切花的生产商、农户、散户的生产带来了新一轮挑战。特别是月季鲜切花病虫害的影响，严重制约了云南省月季鲜切花产业的发展，而传统月季鲜切花病虫害预测模型的局限性更加制约了农户、散户的发展。近年来国内外学者对预测方法进行了广泛研究，主要方法有回归预测法、神经网络法和灰色预测法等[2-4]。

文中采用传统的定性预测方法构建月季鲜切花病虫害预测模型，并通过案例分析说明传统模型的特点；然后，采用自组织竞争神经网络算法[5]构建月季鲜切花病虫害预测模型，并通过具体实验进行对比分析。结果表明：使用智能化月季鲜切花病虫害预测模型，对提高月季鲜切花的质量等级，增加收入具有重要的意义；对月季鲜切花生产企业、农户规避市场风险，以及相关管理部门采取应对措施和政策都具有十分重要的意义。病虫害预测系统研究的进步与成熟,将有利于整个月季鲜切花市场的稳定和健康发展，为云南花卉产业化的发展开创了新的局面[6]。

1 传统预测模型的构建

1.1 预测对象的确定

通过昆明斗南国际花卉拍卖市场官方网站的信息和月季鲜切花每日的销量，初步确定以销量最大的月季作为研究对象。并向花卉公司的管理人员、工作人员等进行咨询，最终确定月季鲜切花作为鲜切花病虫害预测的研究对象。

1.2 拟定备选方案

目标主要作为组织需要获得的结果[7]。作为月季鲜切花生产企业、散户和农户，希望能够及时掌握月季鲜切花病虫害的发病时间，从而最大程度地避免损失。

首先，邀请6人作为头脑风暴法的参与者，其中4人为花卉学的研究生，1人为花卉爱好者，1人为普通大学生。以月季与白粉病的关联为题目畅所欲言。其中3人认为，月季作为最为畅销的月季鲜切花，病虫害的防治尤为重要，而白粉病作为月季最主要的病虫害，应当适时了解白粉病发病的时间、源头等信息；1人认为，白粉病严重影响了月季的品质；1人认为，如果能引进新品种，比如蓝色品种、黑色品种，与本地品种进行杂交，以降低白粉病的发病率；1人认为，云南省的部分花卉公司和个人盲目种植月季鲜切花，不考虑其品质。然后，对6人的意见进行归纳、总结。

1.3 评估月季病虫害预测模型的备选方案

通过查询文献对备选方案进行详细分析，得出结论：

(1)月季鲜切花价格上涨是必然趋势，但是因季节的不同月季鲜切花的价格将有较大的变化。情人节、国庆节、春节前月季鲜切花的价格大涨，经济效益达到最大[8]。1-3月、11-12月云南省月季鲜切花的价格较高。

(2)月季鲜切花的抗病能力有待提高。如果能够提升月季的抗病能力，将有助于提高其价位，更有利于月季鲜切花的生产商。

(3)对白粉病虫害预测刻不容缓。

因此，种植月季鲜切花的首要问题就是病虫害预防问题。

1.4 决 策

通过搜索大量文献，最终对1.3节中的信息做出决策。确定云南省月季鲜切花作为最有市场前景的月季鲜切花之一，适宜花卉企业、散户、农户种植。但是由于白粉病严重影响了月季鲜切花的品质，导致企业、散户、农户的利润下滑，所以，适时观察月季病虫害的情况，对病虫害进行预测显得非常必要。

1.5 实施方法的确定

方案实施作为决策过程中最重要的一步[9]。在确定构建月季鲜切花病虫害预测模型之后，制定具体措施。具体步骤如下：

(1)因地制宜，制定具体的措施，保证月季鲜切花的质量。

(2)确保公司的管理者、种植户能够充分理解病虫害对月季鲜切花品质的影响。

(3)应用目标管理方法把具体防治月季鲜切花病虫害的方案层层分解，分别落实到每个部门或个人。

(4)建立专家信息库，随时掌握各种病虫害的相关信息，及时调整，以确保企业利益的最大化。

1.6 监督和控制

该方案涉及时间为1年。在这1年中，可能发生很多变化，而之前的分析是建立在对月季鲜切花病虫害走势的一个初步的估计之上，因此，企业管理者必须持续地对该方案修改并完善，以适应形势的变化。

1.7 传统病虫害预测模型的案例分析

以下案例通过定性预测方法构建月季鲜切花病虫害预测模型。假定时间为2014年1月，公司为云南省某中型月季鲜切花生产商。该企业主要以月季、百合、非洲菊、菊花等为主要产品。

该公司的决策人提出采用定性预测方法构建月季鲜切花病虫害预测模型，解决第二年月季鲜切花种植、盈利等情况。首先，决策者根据昆明斗南国际花卉拍卖市场中2012年、2013年各种月季鲜切花的价格走势情况、年拍卖量，确定了月季鲜切花作为预测的对象。邀请7人组成讨论小组，其中5人为月季鲜切花的专业人员，1人为月季鲜切花的爱好人员，1人为随机抽取人员。通过头脑风暴法收集相关建议，根据最优化原则拟定第二年生产月季鲜切花的备选方案。并分别对头脑风暴法产生的备选方案进行评估。最后，通过公司专家组成员的评估备选方案对来年月季鲜切花的病虫害趋势进行预测。将该意见上报公司总经理，由总经理召开管理层会议，讨论月季鲜切花在2015年的发展前景及病虫害的发病率，最终采取多项措施进行防范。

该预测模型步骤紧凑，主要依靠收集大量的网络信息、新闻、文献资料，通过头脑风暴法对月季鲜切花病虫害的发病率进行预估，为高层管理者做出准确的决策提供了重要依据。

2 智能预测模型的构建

基于智能算法构建智能预测模型。同样以月季鲜切花为例，选择归一化算法、自组织竞争人工神经网络，构建月季鲜切花病虫害预测模型。具体步骤如下：

2.1 确定训练集数据、采集测试集数据

月季作为世界5大月季鲜切花之一，多年来一直受到人们的大力追捧，成为人们情趣生活中不可或缺的必需品之一。而白粉病作为月季最为严重的一种病虫害，严重影响了其品质。

经各方面的专家研究表明，在不同的温度、湿度下，白粉菌分生孢子的萌发概率不同:

首先，分生孢子在4～35 ℃的温度范围内均能萌发，但在4、10、30、33和35 ℃条件下萌发率相对较低。在15～25 ℃温度范围内，萌发率相对较高，在15、20、25℃条件下其萌发率分别为22.79%、6.56%和7.29%。孢子萌发的最适温度为15 ℃[10]。其次，分生孢子最适萌发的相对湿度为98%～100%,而湿度小于93%萌发率很低,水滴中的萌发率更低[10]。对云南省气象局公布的当天昆明市最高气温、最低气温、平均温度、湿度等数据进行采集，将采集到的数据进行归一化处理，作为神经网络模型中的测试集数据。

2.2 利用归一化算法减小数据量

原始数据中大量属性值为大于1的整数[11]，使用premnmx函数，将其进行归一化处理，使得各指标的值控制在(-1,1)内，避免输入、输出数据数量级差别较大而导致网络预测误差大的现象[12]。数据经过归一化处理，降低了数据量，提高了智能模型的预测性能。

T=premnmx(t)

2*(m-min)/(max-min)-1

2.3 确定影响因素的权重

权重作为一个重要的量化评估指标，直接影响着评估的合理性。是否合理分配权重的比例对预测准确性来说尤为重要[13]。通过问卷调查结合头脑风暴法方式打分确定温度与湿度的权重，计算公式[14]如下:

权重=w分数相加之和÷w分数总分之和

其中，选择/非常小计l分,/挺小计2分,/一般计3分,/挺大计4分,/非常大计5分。

2.4 月季白粉病智能预测模型的构建

自组织竞争神经网络算法作为更类似于人类大脑中生物神经网络的学习算法，能够将输入模式进行自组织训练和判断，将其最终分为不同的类型，从而实现更为准确的预测[15]。因此，使用自组织竞争神经网络构建月季病虫害预测模型。首先将张喜萍等[10]通过研究确定影响月季白粉病的因子作为影响因子，即温度和湿度等，经过梳理并归一化处理，作为自组织竞争神经网络病虫害预测模型的输入端；然后通过采集云南省气象局网站中公布的温度、湿度等数据，作为测试集中的数据。其中，输入层包括了4个神经元，输出层包括1个神经元，为预测白粉病虫害的等级。(一级设为1，二级设为2，三级设为3，每一级所对应的病虫害严重程度不同，一级为最轻，三级为最严重。)

3 实验与案例分析

以昆明月季鲜切花白粉病发病情况预测为例，以张喜萍等[10]通过实验确定的影响月季白粉病的因子作为影响因子(即温度和湿度等)，建立通用型月季鲜切花病虫害预测模型，预测未来病虫害的发病率。将昆明市最高气温、最低气温、平均温度、湿度等4组数据作为测试集数据。

3.1 病虫害预测模型流程

为了满足病虫害模型建设的需求，提高模型的性能，增强模型的预测能力，模型构建过程中引入了传统的管理学决策方法进行预测，并与之进行对比。详细流程如图1所示。

3.2 实验结果对比分析

按照建立的模型，将多个影响因子进行训练，设定竞争层神经元个数为3，学习率为0.1。利用2015年6月-8月昆明的温度、湿度作为测试数据进行病虫害趋势预测，建立一个自组织竞争神经网络模型，较为准确地预测了月季鲜切花白粉病的发病时间及程度。

图1 系统流程图

表1列出了部分预测数据。表中清楚显示，只要知道当日的最高温度、最低温度、最大湿度和最小湿度，就能预测月季鲜切花病虫害发病的等级，从而采取有效的预防措施[16]，为农业病虫害安全管理提供科技支撑。

表1 预测病虫害等级的预警结果(表中均为归一化后的数据)

但是，传统的病虫害预测模型只能通过有经验的技术工人进行判断或者邀请相关专家进行粗略估计。月季鲜切花的品质取决于技术工人或者专家的判断是否准确。而且，作为农户、散户以及一些小型的月季鲜切花企业很难承担高额的专家咨询费用，致使种植规模难以扩大，严重影响云南月季鲜切花产业的壮大。

4 结束语

云南省月季鲜切花产业的迅速发展，在给月季鲜切花生产商带来巨额利润的同时也提出了新的挑战—月季鲜切花病虫害的影响。通过传统的月季鲜切花病虫害预测模型与智能化的预测模型的对比分析表明，智能化月季鲜切花病虫害预测模型更具有实用性、可靠性，具体表现在四个方面：一是能更为明确地预测病虫害发生的级别，以便于月季鲜切花生产商、农户、散户进行病虫害预防；二是能够为相关的科研人员提供研究的数据；三是能够在不依赖相关专家的情况下对月季鲜切花病虫害进行预测，降低了成本，提高了效率；四是如果将该模型应用于云计算平台中，将能够为月季鲜切花生产商、散户、农户提供低价、高效、实用性强的服务，并且为建立云南省月季鲜切花大数据中心奠定基础。

[1] 郭小辉.云南花卉产业发展分析及对策研究[D].昆明：昆明理工大学，2010.

[2] Hygh J S，Decarolis J F，Hill D B，et al．Multivariate regression as an energy assessment tool in early building design[J]．Building and Environment，2012，57(17)：165-175.

[3] Ferreira P M，Ruano A E，Silva S，et al．Neural networks based predictive control for thermal comfort and energy savings in public buildings[J]．Energy and Buildings，2012，55：238-251.

[4] Leephakpreeda T．Grey prediction on indoor comfort temperature for HVAC systems[J]．Expert Systems with Applications，2008，34(4)：2284-2289.

[5] Dia H.An object-oriented neural network approach to hort-term traffic forecasting[J]．European Journal of Operational Research，2001，131(2)：253-261.

[6] 高俊平,王守聪,孙自然.中国花卉产品质量和产品质量标准的现状分析[M]//中国花卉科技二十年.北京：科学出版社,2000:344-352.

[7] 张善文，雷英杰，冯有前.MATLAB在时间序列分析中的应用[M].西安：西安电子科技大学出版社，2007.

[8] 姜晓剑，曹继文，王磊明，等.基于物联网的温室红椒发育模拟模型[J].江苏农业科学，2015，43(10)：507-510.

[9] 周三多，陈传明.管理学[M].北京：高等教育出版社，2000.

[10] 张喜萍,龚束芳,曲娟娟.环境条件对月季白粉菌的影响[J].东北林业大学学报,2003,31(4):76-77.

[11] 李吉龙，刘新平.基于BP神经网络的未利用地开发生态风险预警研究-以新疆阜康市为例[J].江苏农业科学，2015，43(10)：500-503.

[12] 孙吉红，张丽莲，武尔维，等.基于智能算法的价格预测模型探究[J].计算机技术与发展，2014,24(11)：107-109.

[13] 秦开大.鲜活农产品拍卖市场价格波动研究[D].昆明:昆明理工大学，2012

[14] 刘枚莲，朱美华，黄 键．港口吞吐量预测影响因素筛选方法研究[J].水运工程，2011(3):76-80.

[15] 彭 琳，杨林楠.基于GRA/BPNN的农作物害虫发生量预测模型[J].农机化研究，2013(6):19-24.

[16] 葛庆之，李凤英，徐 阳，等.农药助剂信息管理系统的设计与应用[J].江苏农业科学，2015，43(5)：403-408.

ExplorationonChineseRoseCutFlowersDiseasesandInsectPestsForecastingModelBasedonIntelligentAlgorithm

QIAN Ye1,2，SUN Ji-hong3，PENG Lin1,2，LI Wen-feng2,4，WANG Xi-jin5，LU Guo-quan1,2

(1.School of Basis and Information Engineering,Yunnan Agricultural University,Kunming 650201，China;2.Key Laboratory of Agricultural Information Technology in Yunnan Province,Kunming 650201,China;3.Institute of Science and Technology in Yunnan,Kunming 650000,China;4.New Rural Development Research Institute，Yunnan Agricultural University,Kunming 650201,China;5.School of Atmosphere,Chengdu University of Information Technology,Chengdu 610000,China)

In view of the problems of strong subjectivity,high cost and big error for traditional forecast model,based on self-organizing competitive ANN,the fresh cut flower plant diseases and insect pests forecasting model is designed.It can effectively prevent insect pests diseases from hazarding the normal growth of fresh cut flower and make sure the production,quality and reputation of fresh cut flowers in Yunnan Province.Taking most typical Chinese rose cut flowers powdery mildew for instance,the weights of impact factors are determined through questionnaire survey in combination with brainstorming,and then based on self-organizing competitive ANN,the forecast model is to be built with 60 sets of impact factor as input of it.Compared with the traditional plant diseases and insect pests forecasting model,the experimental results show that the proposed model can provide effectively more accurate information for the fresh cut flowers enterprises,farmers,and retail investors to reduce their blindness of planting.

intelligent algorithm;fresh cut flowers plant diseases and insect pests;self-organizing competitive ANN;forecasting

TP301

A

1673-629X(2017)12-0157-04

10.3969/j.issn.1673-629X.2017.12.034

2016-07-27

2016-11-16 < class="emphasis_bold">网络出版时间

时间：2017-08-01

国家自然科学基金资助项目(31260292)；云南省自然科学基金(2012FD020)；云南省教育科研基金项目(2015Y194)；云南省教育社会科学基金(2012C086)

钱 晔(1984-)，女，博士，CCF会员(E200017835G)，研究方向为软件工程形式化方法、农业信息化。

http://kns.cnki.net/kcms/detail/61.1450.TP.20170801.1549.012.html