前言：本站為你精心整理了森林病蟲害怎樣運用計算機范文，希望能為你的創(chuàng)作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。

摘要：提高病蟲預測預報的準確性和時效性，對森林資源的保護和生態(tài)環(huán)境的建設具有重大的意義，將計算機應用在森林病蟲害預測預報中，對于我國林業(yè)發(fā)展起著重要作用。本文主要介紹了通過計算機在森林病蟲害預測預報中的應用，通過馬爾科夫模型，實現(xiàn)了病蟲害的預測預報。提高病蟲預測預報的準確性和時效性，對森林資源的保護和生態(tài)環(huán)境的建設具有重大的意義。

關鍵詞：計算機應用；馬爾科夫模型；預測預報

1背景介紹

森林病蟲害每年給我國造成的直接經(jīng)濟損失達數(shù)十億元，對生態(tài)環(huán)境的破壞更是難以估量。由于社會經(jīng)濟和科技發(fā)展的局限性，過去人們在控制森林病蟲災害的過程中，總存在著被動抗災的思想意識，往往在森林病蟲害暴發(fā)成災后，再籌集巨額資金救災。

森林病蟲害信息的及時獲取及準確傳遞，提高病蟲預測預報的準確性和時效性，是各級林管部門科學決策、科學管理的基礎，對森林資源的保護和生態(tài)環(huán)境的建設具有重大的意義，因此，將計算機應用在病蟲害預測預報中，應用馬爾科夫模型對森林病蟲害的預測預報預病對于我國林業(yè)發(fā)展起著重要作用。

2計算機在森林病蟲害預測預報中的應用

2.1用數(shù)據(jù)庫收集數(shù)據(jù)數(shù)據(jù)庫技術數(shù)據(jù)庫（Database）技術的發(fā)展，為信息的存儲、分類、查詢、傳遞等提供了保證。這些數(shù)據(jù)演繹著這個事物的變化過程，我們把這些數(shù)據(jù)，回歸成數(shù)學模型，來幫助我們分析解決實際中的問題。在森林病蟲害預測預報中，將實際收集的病蟲害數(shù)據(jù)放到數(shù)據(jù)庫中，為實現(xiàn)預測預報做好準備工作。

2.2數(shù)據(jù)計算將收集到的森林病蟲害數(shù)據(jù)回歸成馬爾科夫數(shù)學模型，原來非常復雜的計算過程，就可以在我們按幾下按鍵的情況下得出正確的結(jié)果，從而為預測預報起到參考的意義。

2.3計算機模擬預測在實際病蟲害預測預報過程中，把積累的大量相關數(shù)據(jù)，回歸成馬爾科夫數(shù)學模型，把這個反映過程的數(shù)學模型編成軟件序，在以后的工程過程中，通過這個軟件預測這個工程過程的情況，從而達到計算機預測預報森林病蟲害的目的。

2.4在工程過程中優(yōu)化控制將實際收集到的數(shù)據(jù)回歸，建立馬爾科夫數(shù)學模型，編成計算機程序，輸入計算機，優(yōu)化了控制，最終實現(xiàn)便實現(xiàn)了森林病蟲害的預測預報。

3馬爾可夫預測模型在森林病蟲害預測預報應用及實現(xiàn)

馬爾可夫（Markov）過程是研究事物的狀態(tài)及其轉(zhuǎn)移的理論。它是通過對不同狀態(tài)的初始概率及其狀態(tài)之間轉(zhuǎn)移概率的研究來確定狀態(tài)的變化趨勢，從而達到對未來進行預測的目的。

馬爾可夫過程的特點是：過程在時刻ti到時刻tj（tj>ti）的時間段內(nèi)所處的各狀態(tài)已知時，而過程在t時刻（t>tj）所處的狀態(tài)的統(tǒng)計規(guī)律只與時刻ti到時刻tj區(qū)間的狀態(tài)有關，而與時刻ti以前的狀態(tài)無關。這種特點也稱為狀態(tài)的無后效性。

當馬爾可夫過程中的時間取離散點，狀態(tài)也取離散值時，稱馬兒可夫鏈。

馬爾可夫鏈預測病蟲害不需要考慮其它繁雜的外界因子，只需要連續(xù)多年的病蟲發(fā)生程度的歷史資料，將收集到的病蟲害數(shù)據(jù)輸入到計算機中，通過計算狀態(tài)轉(zhuǎn)移概率，方法簡單易行。對病蟲害的長期預測有著良好的效果。

3.1數(shù)據(jù)計算馬爾可夫鏈預測病蟲害發(fā)生程度的方法說明如下：例如：屏邊苗族自治縣1984年至2007年24年間毒蛾的發(fā)生程度如表1所示。其中，級別為1表示常態(tài)，級別為2表示輕微，級別為3表示中度，級別為4表示重度。現(xiàn)要預測2008年屏邊苗族自治縣毒蛾的發(fā)生程度。

設pij（m）表示毒蛾狀態(tài)等級經(jīng)過m次轉(zhuǎn)移，由級別i轉(zhuǎn)移到級別j的概率。則有：

pij（m）=nj（m）/mi

其中，mi為毒蛾發(fā)生等級為i的總次數(shù)，nj（m）為毒蛾發(fā)生等級值由i經(jīng)過m次轉(zhuǎn)移后的發(fā)生等級值為j的次數(shù)。在這里i取1、2、3、4，同樣j也取1、2、3、4。

故在本例中轉(zhuǎn)移次數(shù)為m次的概率矩陣為：

P（m）=p（m）p（m）p（m）p（m）p（m）p（m）p（m）p（m）p（m）p（m）p（m）p（m）p（m）p（m）p（m）p（m）

相距1年各級值間轉(zhuǎn)移次數(shù)如表2所示。

所以遷移概率矩陣：

P（1）==0.570.140.2900.40.20.20.200.3750.3750.250.2500.50.25

同理：

P（2）=0.430.140.290.140.20.40.20.20.250.1250.3750.250.250.250.50

P（3）=0.290.290.140.290.20.20.20.40.3750.1250.3750.1250.250.250.50

P（4）=0.290.290.43000.20.20.60.50.1250.37500.250.250.250.25

3.2預測預報根據(jù)2008年的相鄰4個年份，2004年、2005年、2006年、2007年的毒蛾發(fā)生級別以及各自到2008年的轉(zhuǎn)移步數(shù)，再根據(jù)前面計算的遷移概率矩陣P（4）、P（3）、P（2）、P（1）。從而可得到屏邊苗族自治縣2008年毒蛾發(fā)生程度預測表，如表3所示。

根據(jù)表3，再轉(zhuǎn)移狀態(tài)概率合計欄中，以狀態(tài)“3”的概率最大，因此預測屏邊苗族自治縣2008年毒蛾發(fā)生級別為3級，即毒蛾發(fā)生程度為“中等”。而2008年屏邊苗族自治縣毒蛾實際發(fā)生情況也是“中等”程度。

3.3計算機模擬預測將連續(xù)多年的病蟲發(fā)生程度的歷史資料，通過計算機處理，轉(zhuǎn)化為馬爾可夫模型，通過馬爾可夫模型預測、預報病蟲害發(fā)生、危害程度和發(fā)生范圍。

用馬爾可夫模型預測森林病蟲害不需要考慮其它繁雜的外界因子，只需要連續(xù)多年的森林病蟲發(fā)生程度的歷史資料，通過計算狀態(tài)轉(zhuǎn)移概率，方法簡單易行。對森林病蟲害的長期預測有著較好的效果。利用該模型不僅可以預測某一地區(qū)的某種病蟲的發(fā)生危害程度預測，同時，還可以預測預報病蟲的發(fā)生范圍。對森林病蟲害的預防和控制有著積極的作用。

如圖1所示，該圖即是根據(jù)屏邊苗族自治縣毒蛾從1984-2007年共24年的發(fā)生程度來預測2008年的毒蛾發(fā)生程度，將相關的數(shù)據(jù)輸入到馬爾科夫模型中，計算出發(fā)生、危害程度以及發(fā)生范圍的預測，等級及其預測結(jié)果也與實際情況相符。

圖1為馬爾可夫模型預測病蟲害發(fā)生、危害程度和發(fā)生范圍。

從以上分析來看，將計算機應用在森林病蟲害的預測預報中，可以大大提高預測預報的效率，所以，計算機在森林病蟲害預測預報的應用也得到了廣大工作人員的認可，并不斷得到了推廣，為森林病蟲害的防治工作起到了決定性的作用。