昆蟲的數(shù)量預(yù)測與經(jīng)濟(jì)和生態(tài)規(guī)律

昆蟲的數(shù)量預(yù)測與經(jīng)濟(jì)和生態(tài)規(guī)律

昆蟲是自然界中最大的群體。昆蟲生活在各種各樣的環(huán)境中，具有獨(dú)特的行為生態(tài)特征，與人類密切相關(guān)。預(yù)測和管理昆蟲數(shù)量，已成為國內(nèi)外的研究重點(diǎn)。昆蟲的種群動態(tài)是昆蟲種群生態(tài)學(xué)的研究核心。種群動態(tài)概括地可以分為數(shù)量、時間、空間3個結(jié)構(gòu),生態(tài)上的空間系具有實(shí)質(zhì)結(jié)構(gòu)的場所。它包括著當(dāng)時的生物因素與非生物因素的作用,生物的豐富度和棲境的多樣性與穩(wěn)定性等對種群的作用總和。目前,國內(nèi)外已對害蟲的生物學(xué),包括個體生態(tài)學(xué)、發(fā)生與季節(jié)性消失、為害損失遷飛行為與機(jī)制、種群生態(tài)學(xué),以及預(yù)測、生物防治、化學(xué)防治及抗藥性等方面進(jìn)行了研究。人們應(yīng)用模擬模型加深了對害蟲種群生命系統(tǒng)理解,并改進(jìn)了對害蟲種群的管理和具體防治措施。近些年來,關(guān)于昆蟲種群動態(tài)模擬模型的研究發(fā)展迅速,從理論模型的建立、模型參數(shù)估計、穩(wěn)定性討論、實(shí)驗驗證,到作用機(jī)理的研究都有長足的進(jìn)展。本文試圖從單種種群和多種種群兩個方面對近些年來有關(guān)昆蟲種群動態(tài)模擬模型的理論和實(shí)驗的研究進(jìn)展進(jìn)行了概括性地總結(jié),同時,對今后昆蟲種群動態(tài)模擬模型研究的發(fā)展方向進(jìn)行了深入討論。1種群的生命系統(tǒng)單種種群是指同一物種的個體占據(jù)一定空間而有機(jī)組合的群體。單種種群系統(tǒng)亦稱種群的生命系統(tǒng),它包括下列結(jié)構(gòu)特征:①種群生長型(亦稱種群的時間分布);②種群結(jié)構(gòu)和種群過程的生物學(xué)特征,如:生命表參數(shù);③種群密度;④種群的擴(kuò)散與遷移;⑤種群在空間的平面分布與垂直分布;⑥各種綜合性理化因素對種群的作用。1.1生物種群數(shù)量的動態(tài)研究種群生長型的特征一般有兩類基本型,即J型生長型與S型生長型。J型生長型亦稱Malthus指數(shù)增長模型,是無限空間中種群增長的基本形式。S型生長型是由Logistic方程來模擬的。Logistic方程是由比利時人Verhulst提出,后被Pearl-Reed發(fā)現(xiàn),因此稱Verhulst-Pearl方程。Logistic方程是一個經(jīng)典的生態(tài)學(xué)模型,指出了有限空間種群增長的基本規(guī)律,已廣泛應(yīng)用于種群生態(tài)學(xué)研究領(lǐng)域,描述生物種群數(shù)量的時空動態(tài)關(guān)系。近些年對Logistic模型的研究主要集中在方程的修正、參數(shù)(種群內(nèi)稟增長率r,環(huán)境容納量k,積分常數(shù)a)估計、數(shù)據(jù)擬合與最優(yōu)捕獲策略等方面。Logistic方程基于至少5種假定,使它能在假定所限制的“理想環(huán)境”中對生物種群有較為滿意的擬合。而在自然界中,實(shí)際條件往往不能滿足這五種假定,于是基于Logistic方程的修正方程是值得研究的。沈佐銳在這方面做過理論探討,并用于描述菜蚜種群動態(tài)1。Logistic方程的參數(shù)估計方法也有很多研究,但這些方法大多數(shù)都是假設(shè)3個參數(shù)相互獨(dú)立而對Logistic方程進(jìn)行數(shù)據(jù)擬合分析的。唐啟義等人1996年指出這些參數(shù)估計方法都存在著共同的錯誤,同時提出了具體的修正方法,即用Marquardt方法或單形加速法求參數(shù)種群內(nèi)稟增長率(r)和環(huán)境容納量(k),然后根據(jù)實(shí)驗初值求積分常數(shù)(a),從而使Logistic微分方程的共同參數(shù)r和k的估計一致。另外,柏靈等人2004年討論了穩(wěn)定有界的Logistic方程的最優(yōu)捕獲策略的問題,選擇單位時間的最大持久收益的極限均值作為管理目標(biāo),同時得到了最佳的種群水平,并且以概周期系數(shù)的Logistic方程為例,表明了該結(jié)果不僅推廣了經(jīng)典的關(guān)于自治的Logistic方程的收獲問題,而且推廣了關(guān)于周期的Logistic方程的收獲問題的結(jié)果。1.2變維矩陣模型生命表可以對種群過程進(jìn)行描述與分析。Morris和Miller1954年發(fā)表了云杉卷葉蛾(Choristoneurafumiferana)自然種群生命表,并利用生命表技術(shù)對種群動態(tài)進(jìn)行了分析。此后,生命表技術(shù)被廣泛應(yīng)用于害蟲的種群動態(tài)研究。矩陣模型是模擬生物種群的主要工具之一,生命表用于昆蟲種群動態(tài)預(yù)測的主要手段是為轉(zhuǎn)移矩陣提供矩陣元素。矩陣模型研究進(jìn)展主要集中在以下幾個方面:不等期年齡組、矩陣維數(shù)的變化、矩陣維數(shù)與歷期的關(guān)系、個體之間的發(fā)育差異以及發(fā)育速率的差異對種群動態(tài)的影響。轉(zhuǎn)移矩陣要求劃分年齡組的時間間隔(即轉(zhuǎn)移矩陣每轉(zhuǎn)移一步的時間)是一個常數(shù),即要求時間間隔與年齡組的間隔一致,這使該模型的應(yīng)用受到很大的限制。J.H.Vandermeer1975年在Leslie矩陣模型的基礎(chǔ)上建立了不等期年齡組的矩陣模型,該模型盡管擴(kuò)大了矩陣模型的應(yīng)用范圍,但在推算第2個單位時間間距以上的種群時,各蟲期蟲數(shù)將會出現(xiàn)偏差。因此,龐雄飛等人1980年提出了以方塊矩陣的形式給出模型,改進(jìn)后就適用于連續(xù)推算種群的數(shù)量動態(tài)。但是龐氏模型要求矩陣的維數(shù)是不變的。然而大多數(shù)的發(fā)育歷期和自然死亡率受環(huán)境因素的影響較大,環(huán)境發(fā)生變化發(fā)育歷期和自然死亡率也會發(fā)生變化,而發(fā)育狀況的改變,也勢必引起種群年齡結(jié)構(gòu)和數(shù)量發(fā)生變化,因此徐汝梅1981年提出了變維矩陣模型,該模型較好地解決了變溫條件下,模擬種群動態(tài)問題。但是該模型的矩陣維數(shù)可能大于歷期,這在模擬的過程中會出現(xiàn)延時,對此秦宗林等人1995年作了改進(jìn),使其矩陣維數(shù)和發(fā)育歷期一致,同時將改進(jìn)后的模型用于模擬谷蠹、玉米象、麥蛾的種群動態(tài),得到了較好的結(jié)果。同時徐氏模型也沒有涉及發(fā)育速率對種群動態(tài)的影響。Ruesink提出了描述同年齡級的個體發(fā)育速率隨溫度變化的差分方程。但卻沒有涉及到由于營養(yǎng)條件和遺傳因素等引起的發(fā)育速率的差異。張文慶等人1994年在Ruesink模型的基礎(chǔ)上,根據(jù)昆蟲個體一般不同步地進(jìn)入下一個發(fā)育階段的狀況,綜合考慮溫度、營養(yǎng)條件和遺傳因素等引起的發(fā)育速率的差異對種群動態(tài)的影響,對昆蟲種群動態(tài)的模擬方法作了改進(jìn),并將該方法應(yīng)用于三化螟種群動態(tài)的模擬和預(yù)測,經(jīng)驗證,該模型基本能夠反映出田間三化螟在不同環(huán)境條件下種群的發(fā)生規(guī)律。另外,徐氏模型還沒涉及個體之間的發(fā)育差異,為此,黃榮華等人1995年提出了一種模擬昆蟲種群動態(tài)的改進(jìn)的變維矩陣模型,該模型以發(fā)育歷期為維數(shù),采用分解與合成的方法變維,并考慮了個體間的發(fā)育差異。而且該模型不僅考慮了一個蟲態(tài)到下一個蟲態(tài)的轉(zhuǎn)變,還考慮了同一蟲態(tài)在各個年齡組之間的轉(zhuǎn)變,不論維數(shù)增加或降低還是維數(shù)不變,只要發(fā)育歷期發(fā)生變化,則在變維后,各個年齡組的數(shù)量一般均會發(fā)生變化,從而使徐氏模型得以進(jìn)一步發(fā)展。2生態(tài)系統(tǒng)研究方法的比較“害蟲-天敵”系統(tǒng)的研究是開展生物防治和害蟲管理的理論基礎(chǔ)。數(shù)學(xué)模型定量化方法的應(yīng)用,使得可以通過利用計算機(jī)仿真模擬的手段,對生態(tài)系統(tǒng)進(jìn)行多方面系統(tǒng)的研究。對于系統(tǒng)的復(fù)雜性,穩(wěn)定性方面的研究已有相當(dāng)?shù)纳疃取Ｔ趹?yīng)用方面也取得了一定的成就,比較國內(nèi)外同類研究工作,側(cè)重點(diǎn)各有不同。國內(nèi)研究比較側(cè)重于種間關(guān)系的模擬工作,如功能反應(yīng)、數(shù)值反應(yīng)、系統(tǒng)動態(tài)模擬等;國外研究則較注重于個體行為特征對種間關(guān)系的影響,如搜索效應(yīng)、攻擊行為的選擇、逃避攻擊(捕食、寄生)、天敵間的干擾行為等。2.1對稻者安裝大鼠天敵的非線形偏微分方程模型的研究1994年,祝增榮等人利用浙江十里豐早稻白背飛虱種群動態(tài)調(diào)查和文獻(xiàn)資料及系統(tǒng)分析技術(shù)組建了白背飛虱種群動態(tài)模擬模型,經(jīng)檢驗證明該模型對早稻種群是有效的,此方法可以用于分析早稻上種群動態(tài)的關(guān)鍵因子以加強(qiáng)對種群動態(tài)機(jī)制的理解。WeiFeng1997年建立了一個資源與性競爭的混合數(shù)學(xué)模型,用以分析種群動態(tài)。結(jié)果表明,強(qiáng)的性競爭和低的出生率會導(dǎo)致生物種群的競爭排斥。如果性競爭弱的話,種群就有可能一直存活,這主要取決于種群的初始密度和種群的增長率。同年,王冬生等人通過室內(nèi)試驗和分析,建立了粘蟲的發(fā)育速率與溫度關(guān)系模型、發(fā)育的時間分布模型、產(chǎn)卵與成蟲壽命及溫度的關(guān)系模型,應(yīng)用計算機(jī)模擬技術(shù),引入同齡組的概念,建立了適合于估測變溫條件下粘蟲種群動態(tài)的計算機(jī)模擬模型。運(yùn)行結(jié)果表明,該模型可準(zhǔn)確地模擬變溫條件下粘蟲的發(fā)育動態(tài),并應(yīng)用于田間粘蟲預(yù)測和粘蟲治理輔助決策。1998年,石根生等人根據(jù)林間調(diào)查和室內(nèi)觀察資料,分析了江西省萬年縣不同松林中馬尾松毛蟲不同發(fā)生代別低齡幼蟲期的重要捕食天敵種類及數(shù)量。結(jié)果表明低齡幼蟲期捕食天敵有13科31種,其中蜘蛛類最多,其次為螞蟻類。同時還在室內(nèi)研究了幾種主要捕食天敵對馬尾松毛蟲低齡幼蟲的捕食作用及其功能反應(yīng),其結(jié)果表明功能反應(yīng)是S型,由此建立了它們的功能反應(yīng)模型。金文等人1999年從森林-舞毒蛾-寄生天敵系統(tǒng)的相互作用出發(fā),組建了描述該系統(tǒng)的動力學(xué)行為的非線形離散模型。并討論了模型的平衡態(tài)及其穩(wěn)定性以及舞毒蛾的非線形性動力學(xué)行為,分析和模擬的結(jié)果與舞毒蛾的動態(tài)行為一致,加深了對森林舞毒蛾天敵系統(tǒng)的認(rèn)識。同年,婁永根等人在系統(tǒng)研究水稻品種對稻虱纓小蜂寄主選擇行為、功能反應(yīng)以及生長發(fā)育存活繁殖等影響的基礎(chǔ)上,結(jié)合有關(guān)水稻品種-褐飛虱,褐飛虱-稻虱纓小蜂相互關(guān)系的文獻(xiàn)資料,組建了水稻品種-褐飛虱-稻虱纓小蜂三者相互關(guān)系的模擬模型。模型分析表明水稻品種能直接和間接地通過物理或化學(xué)特性影響稻虱纓小蜂的寄生作用,其中以影響褐飛虱卵垂直分布型、稻虱纓小蜂的遷入時間、未成熟期歷期和懷卵量等的水稻品種特性起主要作用。同時,模擬分析還表明中等抗性的水稻品種,配以增強(qiáng)稻虱纓小蜂寄生作用的品種特性,就能有效地控制褐飛虱的危害。而且還對協(xié)調(diào)水稻品種抗性與天敵協(xié)同控制褐飛虱的途徑進(jìn)行了討論。2001年,蔣杰賢等人還應(yīng)用二次正交旋轉(zhuǎn)組合設(shè)計,研究了主要捕食性天敵草間小黑蛛、叉角厲蝽和擬水狼蛛捕食斜紋夜蛾低齡幼蟲的綜合效應(yīng),并建立了綜合效應(yīng)模型。對捕食量模型進(jìn)行分析可以了解各天敵類群之間相互作用和對斜紋夜蛾捕食量的影響程度。結(jié)果表明,斜紋夜蛾密度的大小對天敵的總捕食量影響最大。在3種天敵中,對總捕食量影響最大的是草間小黑蛛,其次為叉角厲蝽若蟲。擬水狼蛛對草間小黑蛛和叉角厲蝽若蟲有殺傷作用,相互間干擾作用大,而草間小黑蛛與叉角厲蝽對斜紋夜蛾總捕食量有相互促進(jìn)的作用。同年,張文軍等人就此問題于2001年根據(jù)密度制約性原理,推導(dǎo)出描述昆蟲種群時空動態(tài)的非線形偏微分方程模型。該模型由擴(kuò)散、遷移、出生及死亡等成分組成,建立了模型的差分解法,同時也給出了模型參數(shù)的擬合方法。另外,高增祥等人也提出了一類描述大尺度作物系統(tǒng)害蟲種群時空動態(tài)的模型,該模型包含了寄主植物、昆蟲密度以及天敵間的相互作用等。蘇戰(zhàn)平等人針對數(shù)學(xué)模型抽象、運(yùn)算復(fù)雜、難于在基層推廣的問題,于2002年用澳大利亞熱帶害蟲研究中心開發(fā)的通用制模軟件Dymex為外殼,以棉鈴蟲種群生命表為基礎(chǔ),構(gòu)建了生存模型,以溫度和光周期為自變量的棉鈴蟲滯育模型和發(fā)育進(jìn)度模型,并對江蘇通州和泗陽兩地的第五代棉鈴蟲動態(tài)進(jìn)行了模擬,減輕了建模的難度,以檢索表列出模擬結(jié)果,便于基層使用。同年,湯進(jìn)龍等人應(yīng)用特征根回歸法建立了擬水狼蛛(Piratasubpiraticus)、食蟲瘤胸蛛(Oedothoraxinsecticeps)、粽管巢蛛(Clubionajaponicola)和菱頭跳蛛(Bianorhotingchiehi)4種蜘蛛與褐飛虱(Nilaparvatalugens)共存系統(tǒng)捕食量的特征根回歸模型,表明特征根回歸法可用于蜘蛛對褐飛虱捕食量的定量分析。王向陽等人2003年通過聚類分析,在明確麥田天敵消長演變規(guī)律的基礎(chǔ)上,采用時間序列分析法,建立麥田總體天敵和優(yōu)勢天敵七星瓢蟲的超長期預(yù)測模型,經(jīng)試驗,結(jié)果表明,季節(jié)水平模型、ARIMA模型的預(yù)測效果較好,并用這兩種模型對未來3a麥田天敵的消長進(jìn)行了超長期預(yù)測。2.2種群動態(tài)模型1995年,汪信庚等人建立了由數(shù)據(jù)庫、模型庫及圖形顯示系統(tǒng)組成的二化螟種群時間動態(tài)預(yù)測模擬系統(tǒng)。此系統(tǒng)可進(jìn)行全省區(qū)域內(nèi)二化螟種群時間動態(tài)的模擬測報繪圖和種群時間動態(tài)影響因子分析。模型有效性檢驗和靈敏度分析表明,預(yù)測的各地一代發(fā)生期比較接近田間實(shí)際發(fā)生期,計算繪出的全省各地發(fā)育進(jìn)度和發(fā)生代次能反映出各地理區(qū)域的基本發(fā)生趨勢;地理海拔、早稻收割、耕作制度都將影響種群的時間動態(tài)。另外,該系統(tǒng)可以作為植保高級部門宏觀決策和各地分析發(fā)生期或代次成因時的工具。同年,張文慶等人以三化螟種群動態(tài)模型和水稻產(chǎn)量損失預(yù)測模型為基礎(chǔ),根據(jù)水稻插植期、品種抗性、保護(hù)利用自然天敵和殺蟲劑多次使用等控制措施以及它們的各種不同組合對該蟲種群動態(tài)、水稻產(chǎn)量損失率和凈收益的影響,以凈收益最大為目標(biāo)函數(shù),研究三化螟種群的最優(yōu)管理決策。該系統(tǒng)模型能夠提供包括農(nóng)藥防治、生物防治和化學(xué)防治在內(nèi)的,對三化螟種群實(shí)施有效管理的最優(yōu)決策方案。密度制約因素如:種群增長率和種群遷徙,都影響著生態(tài)模型的動態(tài)變化。溫度是非生物、非密度制約因素,但是也是昆蟲種群增長的一個重要的決定因素。ZhouX.等人1997年應(yīng)用兩種蚜蟲種群的時間序列模型來觀察溫度和隨機(jī)噪聲對模型動態(tài)的影響。結(jié)果表明,在大多數(shù)情況下,溫度升高,種群的密度增大,溫度能引起種群動態(tài)的復(fù)雜變化。從模型中可以看出,如果氣候比較溫暖,蚜蟲的種群會變得更豐富,更不穩(wěn)定。盡管Lokta-Volterra方程已經(jīng)作為種間資源競爭模型被廣泛地應(yīng)用,但是近緣種中的許多競爭行為既包括資源的競爭又包括交配競爭。最優(yōu)搜索理論預(yù)測消費(fèi)者行為的突然變化會導(dǎo)致功能反應(yīng)的不連續(xù)性,因此,具有最優(yōu)搜索行為的種群動態(tài)模型可以用不連續(xù)的右手邊微分方程(differentialequationswithdiscontinuousright-handsides)描述。DavidS.Boukal等人1999年分析了3個不同的具有最優(yōu)搜索行為的天敵-獵物系統(tǒng)的行為,用可選擇的食物檢驗天敵-獵物模型,用移動的天敵和固定的獵物、天敵和獵物都移動兩種情況來檢驗雙路徑模型。結(jié)果表明,最優(yōu)躲避行為可以改變Lokta-Volterra系統(tǒng)的內(nèi)在穩(wěn)定性。種群循環(huán)一直困擾著生態(tài)學(xué)家,同年,BruceEKendall等人采用統(tǒng)計模型與機(jī)械模型結(jié)合的方法闡述了種群循環(huán)的內(nèi)部機(jī)制。PeterAAbrams在2000年對天敵與獵物之間的相互作用關(guān)系的進(jìn)化做了綜述,全面介紹了天敵的進(jìn)化、獵物的進(jìn)化與兩者協(xié)同進(jìn)化的理論及證據(jù)。大部分理論種群動態(tài)模型是把種群密度作為狀態(tài)變量,而忽略了種群個體之間的差異,然而個體的差異對種群調(diào)節(jié)規(guī)律是重要的。在天敵與獵物種群的共存系統(tǒng)中,天敵不僅對不同獵物的捕食有其嗜好性,而且對同一獵物的不同蟲態(tài)也有選擇捕食作用。蔣杰賢等人2001年應(yīng)用二次回歸通用旋轉(zhuǎn)組合設(shè)計,研究了叉角厲蝽4齡若蟲與斜紋夜蛾低齡幼蟲、中齡幼蟲和高齡幼蟲共存時,天敵對斜紋夜蛾3個齡期幼蟲的選擇捕食作用。結(jié)果表明,在3個年齡等級相同密度的組合下,叉角厲蝽傾向于捕食個體大的中高齡幼蟲。在人們對天敵-害蟲系統(tǒng)進(jìn)行建模研究其相互作用關(guān)系的同時,有很多學(xué)者對天敵-害蟲系統(tǒng)模型的穩(wěn)定性及其周期解也進(jìn)行了大量的研究[36,37,38,36,37,38]。同年,湯進(jìn)龍等人應(yīng)用灰色系統(tǒng)理論研究了4種蜘蛛(擬水狼蛛、食蟲瘤胸蛛、粽管巢蛛、菱頭跳蛛)與褐飛虱共存系統(tǒng)捕食量的數(shù)學(xué)模型。對此模型的分析可以了解各天敵不同數(shù)量或者密度與褐飛虱不同密度組合下對褐飛虱捕食量的影響。應(yīng)用該模型還可以預(yù)測相應(yīng)時期的捕食量大小,所得預(yù)測值與實(shí)際值幾乎一致。同時利用關(guān)聯(lián)度來分析了系統(tǒng)中對褐飛虱捕食量影響最大的因素以及各蜘蛛與褐飛虱捕食量關(guān)聯(lián)程度的大小。VolkerGrimm等人2002年提出了基于個體的種群動態(tài)模型,并用它來精確地描述了種群內(nèi)個體的增長、饑餓、資源等動態(tài)變化,指出這種基于個體的種群動態(tài)模型有助于種群動態(tài)的等級管理。種群的生存力分析(Populationviabilityanalysis,簡稱PVA)是估計瀕危物種種群大小和絕滅風(fēng)險的一種方法。它主要是研究隨機(jī)干擾對小種群絕滅的影響,其目的是制定最小可存活種群,把絕滅減小到可接受的水平。由于生物多樣性面臨危機(jī),所以該理論一提出來,相關(guān)研究便不斷增長[43,44,45,46,43,45]。種群資源的合理開發(fā)和利用近年來已引起了學(xué)者的注意,研究種群的持續(xù)發(fā)展及對種群的最優(yōu)捕獲等一系列問題已成為熱點(diǎn),許斌等人2004年研究了一類具有功能反應(yīng)的捕食-被捕食生物模型,用脈沖微分方程來描述脈沖現(xiàn)象種群生態(tài)系統(tǒng)中對種群的瞬時捕獲,同時還得到了在脈沖控制下其漸進(jìn)穩(wěn)定的充分條件。3人工神經(jīng)網(wǎng)絡(luò)及數(shù)據(jù)擬合綜觀國內(nèi)外研究進(jìn)展,昆蟲種群動態(tài)模擬模型盡管在理論與實(shí)驗等方面都有了長足的發(fā)展,但是對模型的擬合方法大部分還停留在以前的平均值、枚舉選優(yōu)法、麥夸方法、四點(diǎn)法等方法上,只有蔡煜東等人1995年首次將遺傳算法用于對Logistic曲線的擬合,并取得了很好的效果。遺傳算法GA(GeneticAlgorithms)是由J.H.Holland教授于1975年提出的一類借鑒生物界自然選擇和自然遺傳機(jī)制的隨機(jī)化搜索算法。它簡單、通用、魯棒性強(qiáng)、適于并行處理,因此遺傳算法已被廣泛應(yīng)用在機(jī)器學(xué)習(xí)、軟件技術(shù)、圖像處理、模式識別、生物學(xué)、遺傳學(xué)和社會學(xué)等方面。但是遺傳算法本身存在著一些缺點(diǎn),如:初期的未成熟收斂、后期搜索遲鈍,重要參數(shù)如n(群體規(guī)模)、Pc(交叉概率)、Pm(變異概率)如何選擇,交叉和變異算子如何協(xié)調(diào)工作,局部搜索能力較弱,單一的群體更新方式難以兼顧多樣性和收斂性的要求,收斂速度較慢等問題,因此該算法對復(fù)雜的應(yīng)用場合效果并不理想。后來也有人將人工神經(jīng)網(wǎng)絡(luò)用于昆蟲的預(yù)測工作。人工神經(jīng)網(wǎng)絡(luò)ANN(ArtificialNeuralNetworks)是用大量的簡單處理單元(神經(jīng)元)組成的非線形動力學(xué)系統(tǒng),它具有大規(guī)模并行、分布式存儲與處理、自組織、自學(xué)習(xí)和高度的容錯能力,適于處理需要同時考慮許多因素和條件的、不完整、不精確和模糊的信息處理問題。但從總體來說,對曲線擬合的算法的研究還需要進(jìn)一步加強(qiáng),目前國際上對數(shù)據(jù)擬合最前沿的算法是支持向量機(jī)SVM(SupportVectorMachines)。支持向量機(jī)是Cortes&Vapnik1995年首先提出來的,是近年來機(jī)器學(xué)習(xí)研究的一項重大成果。根據(jù)Vapnik&Chervonenkis的統(tǒng)計學(xué)習(xí)理論,如果數(shù)據(jù)服從某個(固定但未知的)分布,要使機(jī)器的實(shí)際輸出與理想輸出之間的偏差盡可能小,則機(jī)器應(yīng)當(dāng)遵循結(jié)構(gòu)風(fēng)險最小化原理,而不是經(jīng)驗風(fēng)險最小化原理,即:就是應(yīng)當(dāng)使錯誤概率的上界最小化。支持向量機(jī)正是這一理論的具體實(shí)現(xiàn),而人工神經(jīng)網(wǎng)絡(luò)卻是基于經(jīng)驗風(fēng)險最小化