CN117610973A - 一种基于白蚁分布趋势的规划方法、系统及装置 - Google Patents
一种基于白蚁分布趋势的规划方法、系统及装置 Download PDFInfo
- Publication number
- CN117610973A CN117610973A CN202410097769.3A CN202410097769A CN117610973A CN 117610973 A CN117610973 A CN 117610973A CN 202410097769 A CN202410097769 A CN 202410097769A CN 117610973 A CN117610973 A CN 117610973A
- Authority
- CN
- China
- Prior art keywords
- distribution
- area
- termite
- control
- parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 241000256602 Isoptera Species 0.000 title claims abstract description 173
- 238000000034 method Methods 0.000 title claims abstract description 38
- 239000006185 dispersion Substances 0.000 claims abstract description 32
- 230000008859 change Effects 0.000 claims abstract description 26
- 230000002265 prevention Effects 0.000 claims description 46
- 238000011156 evaluation Methods 0.000 claims description 27
- 230000006870 function Effects 0.000 claims description 27
- 238000012544 monitoring process Methods 0.000 claims description 19
- 238000004458 analytical method Methods 0.000 claims description 17
- 238000005070 sampling Methods 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 9
- 238000012795 verification Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 12
- 230000008569 process Effects 0.000 description 4
- 230000001052 transient effect Effects 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- 238000005507 spraying Methods 0.000 description 2
- 241000238631 Hexapoda Species 0.000 description 1
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 239000011094 fiberboard Substances 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000123 paper Substances 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Catching Or Destruction (AREA)
Abstract
本发明属于白蚁防治技术领域,具体涉及一种基于白蚁分布趋势的规划方法、系统及装置。该发明能够基于白蚁的历史分布信息来确定其分布趋势信息,以此明确白蚁的种群分布面积的变化情况,以及白蚁分布区域的扩张速度,再以此为基础,可以提前规划出对应的防治区域,同时还能够根据各个防治区域的分散程度和分布面积来制定对应的防治措施,确保防治措施的实时性和针对性,提高防治白蚁的成功率,实现对白蚁侵害的有效防治,并且在防治措施实施后,会统计防治后状态,以此来评估白蚁防治的效果,并在无效防治下,及时更换防治措施,以确保白蚁得到有效控制。
Description
技术领域
本发明属于白蚁防治技术领域,具体涉及一种基于白蚁分布趋势的规划方法、系统及装置。
背景技术
白蚁是一种具有高度破坏性的昆虫,它们可以侵蚀木材、纸张、纤维板等有机物质,对建筑物、家具、书籍等造成严重损害,随着气候变暖和城市化进程的加快,白蚁的活动范围不断扩大,对人类生活和经济发展产生了越来越大的影响,因此,研究白蚁的分布规律,制定有效的防治措施,已经成为当今社会亟待解决的问题。
当下对于白蚁的防治多是基于白蚁的现有分布来进行化学防治或者物理防治,但是白蚁是时刻处于活动中的,随着时间的推移,其活动范围,以及分布区域也在不断的进行扩张,现有的白蚁防治方法往往忽视了白蚁分布的特性,导致防治效果不佳,基于此,本方案提供了一种基于白蚁分布趋势的规划和防治方法。
发明内容
本发明的目的是提供一种基于白蚁分布趋势的规划方法、系统及装置,能够基于白蚁分布趋势,规划出对应的防治区域,以此来提升白蚁防治的效果。
本发明采取的技术方案具体如下:
一种基于白蚁分布趋势的规划方法,包括:
获取白蚁的分布信息,其中,所述分布信息包括历史分布信息和当前分布信息;
根据所述历史分布信息确定白蚁的分布趋势信息,其中,所述分布趋势信息包括种群分布面积变化参数以及分布区域扩张速度;
依据所述分布趋势信息规划多个防治区域,并将其标定为基准区域,且根据所述基准区域确定白蚁的防治面积;
统计所述防治区域的分散程度,并根据所述防治面积和防治区域的分散程度匹配防治措施;
获取所述防治措施实施后的防治后状态,其中,所述防治后状态包括有效防治和无效防治,并在所述无效防治下,重新匹配防治措施。
在一种优选方案中,所述获取白蚁的分布信息的步骤,包括:
构建监测周期,并获取所述监测周期内白蚁的种群分布面积和分布区域;
获取所述监测周期的时间长度,并等分为多个采样节点;
采集各个所述采样节点下的种群分布面积和分布区域,并分别标定为第一样本参数和第二样本参数,且汇总为白蚁的分布信息;
其中,所述监测周期的截止节点为当前节点,且当前节点下白蚁的分布信息被标定为当前分布信息,所述当前节点之前白蚁的分布信息被标定为历史分布信息。
在一种优选方案中,所述根据所述历史分布信息确定白蚁的分布趋势信息的步骤,包括:
获取所述当前节点之前的历史分布信息;
从所述历史分布信息中调用第一样本参数和第二样本参数;
获取趋势分析函数,并将所述第一样本参数和第二样本参数分别输入至趋势分析函数中,且将其输出结果分别标定为种群分布面积变化参数和分布区域扩张速度;
将所述种群分布面积变化参数和分布区域扩张速度汇总为白蚁的分布趋势信息。
在一种优选方案中,所述从所述历史分布信息中调用第一样本参数和第二样本参数的步骤,包括:
获取所述历史分布信息,并分类为与第一样本参数对应的第一样本集,以及与第二样本参数对应的第二样本集;
将所述第一样本集和第二样本集中的第一样本参数和第二样本参数分别按照采集时间的先后顺序进行排列;
对相邻所述采样节点下的第一样本参数和第二样本参数执行做差处理,得到第一待校验参数和第二待校验参数;
获取第一校验阈值和第二校验阈值,并分别与第一待校验参数和第二待校验参数进行比较,并在所述第一待校验参数小于第一校验阈值时,将其对应的第一样本参数标定为瞬时参数,且同步从第一样本集中筛除,在所述第二待校验参数小于第二校验阈值时,将其对应的第二样本参数也标定为瞬时参数,并同步从第二样本集中筛除;
保留所述第一样本集和第二样本集中瞬时参数筛除后的第一样本参数和第二样本参数,并输入至趋势分析函数中。
在一种优选方案中,所述依据所述分布趋势信息规划防治区域,并将其标定为基准区域的步骤,包括:
从所述分布趋势信息中提取分布区域扩张速度;
获取当前节点下的白蚁分布区域,以及需求防治节点与当前节点之间的防治间隔;
将所述当前节点下的白蚁分布区域、防治间隔,以及分布区域扩张速度进行结合运算,得到防治区域,并将其标定为基准区域。
在一种优选方案中,所述根据所述基准区域确定白蚁的防治面积的步骤,包括:
获取各个所述基准区域的边缘坐标;
获取测算函数,并将各个所述边缘坐标一同输入至测算函数中,并将其输出结果标定为第一待评估面积;
获取当前节点下的白蚁分布面积,并与所述种群分布面积变化参数进行结合运算,得到第二待评估面积;
若所述第二待评估面积大于或等于第一待评估面积,则将所述第二待评估面积标定为白蚁的防治面积;
若所述第二待评估面积小于第一待评估面积,则将所述第一待评估面积标定为白蚁的防治面积。
在一种优选方案中,所述统计所述防治区域的分散程度的步骤,包括:
获取各个所述防治区域的中心坐标,并标定为待评估坐标,再计算各个所述待评估坐标之间的距离,并标定为待评估参数;
获取评估阈值,并与所述待评估参数进行比较;
若所述待评估参数大于或等于评估阈值,则表明该所述防治区域的分散程度低,且将其确定为集中区域;
若所述待评估参数小于评估阈值,则表明该所述防治区域的分散程度高,并将其确定为独立区域。
在一种优选方案中,所述根据所述防治面积和防治区域的分散程度匹配防治措施的步骤,包括:
获取所述独立区域的防治面积,并标定为分类参数;
获取分类阈值,并与所述分类参数进行比较;
若所述分类参数大于或等于分类阈值,则将其与集中区域一同匹配第一防治措施;
若所述分类参数小于分类阈值,则将其匹配第二防治措施。
本发明还提供了,一种基于白蚁分布趋势的规划系统,应用于上述的基于白蚁分布趋势的规划方法,包括:
获取模块,所述获取模块用于获取白蚁的分布信息,其中,所述分布信息包括历史分布信息和当前分布信息;
趋势评估模块,所述趋势评估模块用于根据所述历史分布信息确定白蚁的分布趋势信息,其中,所述分布趋势信息包括种群分布面积变化参数以及分布区域扩张速度;
规划模块,所述规划模块用于依据所述分布趋势信息规划多个防治区域,并将其标定为基准区域,且根据所述基准区域确定白蚁的防治面积;
匹配模块,所述匹配模块用于统计所述防治区域的分散程度,并根据所述防治面积和防治区域的分散程度匹配防治措施;
校验模块,所述校验模块用于获取所述防治措施实施后的防治后状态,其中,所述防治后状态包括有效防治和无效防治,并在所述无效防治下,重新匹配防治措施。
以及,一种基于白蚁分布趋势的规划装置,包括:
至少一个处理器;
以及与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述的基于白蚁分布趋势的规划方法。
本发明取得的技术效果为:
本发明能够基于白蚁的历史分布信息来确定其分布趋势信息,以此明确白蚁的种群分布面积的变化情况,以及白蚁分布区域的扩张速度,再以此为基础,可以提前规划出对应的防治区域,同时还能够根据各个防治区域的分散程度和分布面积来制定对应的防治措施,确保防治措施的实时性和针对性,提高防治白蚁的成功率,实现对白蚁侵害的有效防治,并且在防治措施实施后,会统计防治后状态,以此来评估白蚁防治的效果,并在无效防治下,及时更换防治措施,以确保白蚁得到有效控制。
附图说明
图1是本发明所供的方法流程图;
图2是本发明所供的系统模块图;
图3是本发明所供的装置结构部。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个较佳的实施方式中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
请参阅图1所示,本发明提供了一种基于白蚁分布趋势的规划方法,包括:
S1、获取白蚁的分布信息,其中,分布信息包括历史分布信息和当前分布信息;
S2、根据历史分布信息确定白蚁的分布趋势信息,其中,分布趋势信息包括种群分布面积变化参数以及分布区域扩张速度;
S3、依据分布趋势信息规划多个防治区域,并将其标定为基准区域,且根据基准区域确定白蚁的防治面积;
S4、统计防治区域的分散程度,并根据防治面积和防治区域的分散程度匹配防治措施;
S5、获取防治措施实施后的防治后状态,其中,防治后状态包括有效防治和无效防治,并在无效防治下,重新匹配防治措施。
如上述步骤S1-S5所述,白蚁分布趋势规划方法是一种创新型规划策略,其主要目的是有效防治白蚁侵害,保护生态环境和人类生活质量,本实施例中,首先需要获取白蚁的分布信息,这包括历史分布信息和当前分布信息,历史分布信息可以帮助了解白蚁的分布规律,而当前分布信息则能实时了解白蚁的最新分布状况,这两类信息对于后续规划防治措施具有至关重要的作用,接下来需要根据历史分布信息来确定白蚁的分布趋势信息,此处,需要关注两个主要参数:种群分布面积变化参数和分布区域扩张速度,这两个参数可以揭示白蚁种群的增长态势和分布范围的扩张速度,为后续规划防治区域提供依据,而后将依据分布趋势信息规划多个防治区域,并将其标定为基准区域,其目的是确定白蚁的防治面积,为实施防治措施提供参考,同时需要根据基准区域来评估白蚁的危害程度,以便采取合适的防治措施,随后需要统计防治区域的分散程度,了解防治区域的分布状况,以便在资源分配和防治效果评估方面做出合理决策,防治区域的分散程度将直接影响到防治措施的实施效果,最后需要获取防治措施实施后的防治效果,评估有效防治和无效防治两种情况,在无效防治情况下,需要重新匹配防治措施,以期达到更好的防治效果,目的是确保防治措施的实时性和针对性,提高防治白蚁的成功率,实现对白蚁侵害的有效防治。
在一个较佳的实施方式中,获取白蚁的分布信息的步骤,包括:
S101、构建监测周期,并获取监测周期内白蚁的种群分布面积和分布区域;
S102、获取监测周期的时间长度,并等分为多个采样节点;
S103、采集各个采样节点下的种群分布面积和分布区域,并分别标定为第一样本参数和第二样本参数,且汇总为白蚁的分布信息;
其中,监测周期的截止节点为当前节点,且当前节点下白蚁的分布信息被标定为当前分布信息,当前节点之前白蚁的分布信息被标定为历史分布信息。
如上述步骤S101-S103所述,在采集白蚁的分布信息时,首先构建监测周期,监测周期的设定要充分考虑到白蚁的生活习性和活动范围,以确保能够在合适的时间段内获取到准确、全面的分布信息,接下来,获取监测周期内白蚁的种群分布面积和分布区域,如遥感技术、野外调查等执行,以确保获取到的分布信息准确可靠,此外还要注意对分布面积和区域进行详细的记录和分析,为后续的数据汇总和分析打下基础,然后,确定监测周期的时间长度,并将其等分为多个采样节点,其目的是为了在监测周期内更均匀地获取白蚁的分布信息,通过将时间长度等分为多个采样节点,可以确保在每个节点上都有一定的数据积累,从而提高整个监测周期的数据质量,再之后,需要采集各个采样节点下的白蚁种群分布面积和分布区域,并将这些数据作为第一样本参数和第二样本参数进行标定,最后将各个采样节点的数据汇总,得到白蚁的分布信息,在整个过程中,监测周期的截止节点被视为当前节点,当前节点下的白蚁分布信息被标定为当前分布信息,而当前节点之前的历史分布信息则被用于对比和分析。
在一个较佳的实施方式中,根据历史分布信息确定白蚁的分布趋势信息的步骤,包括:
S201、获取当前节点之前的历史分布信息;
S202、从历史分布信息中调用第一样本参数和第二样本参数;
S203、获取趋势分析函数,并将第一样本参数和第二样本参数分别输入至趋势分析函数中,且将其输出结果分别标定为种群分布面积变化参数和分布区域扩张速度;
S204、将种群分布面积变化参数和分布区域扩张速度汇总为白蚁的分布趋势信息。
如上述步骤S201-S204所述,在历史分布信息确定之后,首先从历史分布信息中调用第一样本参数和第二样本参数,再获取趋势分析函数,趋势分析函数包括与第一样本参数对应的第一测算函数,以及与第二样本参数对应的第二测算函数,其中,第一测算函数的表达式为:,第二测算函数的表达式为:/>,式中,/>表示种群分布面积变化参数,/>表示,监测周期的长度,/>表示第一样本参数的数量,/>表示第一样本参数,/>表示分布区域扩张速度,/>表示第二样本参数的数量,/>表示第二样本参数,之后,将种群分布面积变化参数和分布区域扩张速度汇总为白蚁的分布趋势信息,从而为后续防治区域的规划提供相应的数据支持。
在一个较佳的实施方式中,从历史分布信息中调用第一样本参数和第二样本参数的步骤,包括:
Step1、获取历史分布信息,并分类为与第一样本参数对应的第一样本集,以及与第二样本参数对应的第二样本集;
Step2、将第一样本集和第二样本集中的第一样本参数和第二样本参数分别按照采集时间的先后顺序进行排列;
Step3、对相邻采样节点下的第一样本参数和第二样本参数执行做差处理,得到第一待校验参数和第二待校验参数;
Step4、获取第一校验阈值和第二校验阈值,并分别与第一待校验参数和第二待校验参数进行比较,并在第一待校验参数小于第一校验阈值时,将其对应的第一样本参数标定为瞬时参数,且同步从第一样本集中筛除,在第二待校验参数小于第二校验阈值时,将其对应的第二样本参数也标定为瞬时参数,并同步从第二样本集中筛除;
Step5、保留第一样本集和第二样本集中瞬时参数筛除后的第一样本参数和第二样本参数,并输入至趋势分析函数中。
如上述步骤Step1-Step5所述,调用第一样本参数和第二样本参数之前,需要进行的是获取当前节点之前的历史分布信息,并进行整理和分析,将获取到的历史分布信息分类为与第一样本参数对应的第一样本集,以及与第二样本参数对应的第二样本集。这一步骤的目的是将相似的样本归为一类,便于后续的分析和比较,再将第一样本集和第二样本集中的第一样本参数和第二样本参数分别按照采集时间的先后顺序进行排列,确保样本参数的时间顺序清晰,便于后续的时间序列分析,之后对相邻采样节点下的第一样本参数和第二样本参数执行做差处理,得到第一待校验参数和第二待校验参数,这一步骤的目的是获取相邻时间点之间参数的变化情况,为后续的校验提供依据,然后获取第一校验阈值和第二校验阈值,这两个阈值是根据历史数据的变化规律和实际需求来设定的,对于后续的瞬时参数识别至关重要,将第一待校验参数和第二待校验参数分别与第一校验阈值和第二校验阈值进行比较,当第一待校验参数小于第一校验阈值时,将其对应的第一样本参数标定为瞬时参数,并同步从第一样本集中筛除,同样地,当第二待校验参数小于第二校验阈值时,将其对应的第二样本参数也标定为瞬时参数,并同步从第二样本集中筛除,经过瞬时参数筛除后,保留第一样本集和第二样本集中的第一样本参数和第二样本参数,这些剩余的样本参数将作为输入数据,用于后续的趋势分析。
在一个较佳的实施方式中,依据分布趋势信息规划防治区域,并将其标定为基准区域的步骤,包括:
S301、从分布趋势信息中提取分布区域扩张速度;
S302、获取当前节点下的白蚁分布区域,以及需求防治节点与当前节点之间的防治间隔;
S303、将当前节点下的白蚁分布区域、防治间隔,以及分布区域扩张速度进行结合运算,得到防治区域,并将其标定为基准区域。
如上述步骤S301-S303所述,首先需要从分布趋势信息中提取白蚁分布区域的扩张速度,以此来了解白蚁分布区域的增长情况,为后续的防治工作提供数据支持,其次,获取当前节点下的白蚁分布区域,以及需求防治节点与当前节点之间的防治间隔,接下来将当前节点下的白蚁分布区域、防治间隔、以及分布区域扩张速度进行结合运算,这一步骤的目的是根据这些信息来计算出防治区域,并将其标定为基准区域,其结合运算的公式为:,式中,/>表示基准区域,/>表示当前节点下的白蚁分布区域,/>表示防治间隔,其中,基准区域为当前节点下的白蚁分布区域的边缘拐点坐标,依据分布区域扩张速度确定的偏移后坐标所围绕的封闭区域。
在一个较佳的实施方式中,根据基准区域确定白蚁的防治面积的步骤,包括:
S304、获取各个基准区域的边缘坐标;
S305、获取测算函数,并将各个边缘坐标一同输入至测算函数中,并将其输出结果标定为第一待评估面积;
S306、获取当前节点下的白蚁分布面积,并与种群分布面积变化参数进行结合运算,得到第二待评估面积;
若第二待评估面积大于或等于第一待评估面积,则将第二待评估面积标定为白蚁的防治面积;
若第二待评估面积小于第一待评估面积,则将第一待评估面积标定为白蚁的防治面积。
如上述步骤S304-S306所述,在确定白蚁的防治面积时,首先需要获取各个基准区域的边缘坐标,接下来需要获取测算函数,并将各个边缘坐标一同输入至测算函数中,测算函数将根据输入的坐标计算出相应的防治面积,其中,测算函数的表达式为:,式中,/>表示第一待评估面积,/>表示边缘坐标的数量,/>表示拐点坐标的编号,/>表示拐点横坐标,/>表示拐点纵坐标,之后再依据白蚁的种群分布面积变化参数来计算白蚁的分布面积,其表达式为:,式中,/>表示第二待评估面积,/>表示当前节点下的白蚁分布面积,/>表示预估间隔,为保证白蚁防治的有效性,需要对第一待评估面积和第二待评估面积进行比较,如果第二待评估面积大于或等于第一待评估面积,那么就将第二待评估面积标定为白蚁的防治面积,这是因为较大的防治面积可以确保白蚁得到有效的控制,反之则以第一待评估面积为白蚁的防治面积,其原因同上。
在一个较佳的实施方式中,统计防治区域的分散程度的步骤,包括:
S401、获取各个防治区域的中心坐标,并标定为待评估坐标,再计算各个待评估坐标之间的距离,并标定为待评估参数;
S402、获取评估阈值,并与待评估参数进行比较;
若待评估参数大于或等于评估阈值,则表明该防治区域的分散程度低,且将其确定为集中区域;
若待评估参数小于评估阈值,则表明该防治区域的分散程度高,并将其确定为独立区域。
如上述步骤S401-S402所述,在确定防治区域的分散程度时,首先需要获取各个防治区域的中心坐标,这些坐标将作为待评估坐标,然后需要计算各个待评估坐标之间的距离,这一步是为了了解防治区域之间的空间分布情况,为后续的分散程度评估做好准备,计算距离时,可以采用欧氏距离、曼哈顿距离或其他合适的距离度量方法,有了待评估坐标和距离,便需要确定评估阈值,这个阈值将作为判断防治区域分散程度的标准,评估阈值的确定可以依据历史数据、专业经验和实际需求来进行,需要注意的是,评估阈值不宜过高或过低,以免导致判断失误,然后可以将待评估参数(即各个防治区域之间的距离)与评估阈值进行比较,这是整个评估过程的核心环节,比较的目的是判断防治区域的分散程度,如果待评估参数大于或等于评估阈值,那么就判定该防治区域的分散程度较低,且将这些区域确定为集中区域,反之,如果待评估参数小于评估阈值,那么防治区域的分散程度较高,且将这些区域确定为独立区域,为后续防治措施的分配提供相应的数据支持。
在一个较佳的实施方式中,根据防治面积和防治区域的分散程度匹配防治措施的步骤,包括:
S403、获取独立区域的防治面积,并标定为分类参数;
S404、获取分类阈值,并与分类参数进行比较;
若分类参数大于或等于分类阈值,则将其与集中区域一同匹配第一防治措施;
若分类参数小于分类阈值,则将其匹配第二防治措施。
如上述步骤S403-S404所述,分配防治措施时,首先需要获取各个独立区域的防治面积,接下来需要确定合适的分类阈值,这个阈值是根据历史数据和专家经验来设定的,它可以反映白蚁的分布的危害程度,获取分类阈值后,将其与之前获取的分类参数进行比较,比较后,若发现某个区域的防治面积大于或等于分类阈值,说明该区域的白蚁防治任务较为集中,适合采用第一防治措施。这种措施通常具有较高的防治效果和效率,如集中喷药,可以有效地控制白蚁的蔓延,然而,如果某个区域的防治面积小于分类阈值,说明该区域的白蚁防治任务较为分散,此时适合采用第二防治措施,这种措施相对而言,防治效果和效率可能较低,但仍然可以满足防治需求,如采用喷粉、投放饵剂的方式进行诱杀等。
请参阅图2,本发明还提供了一种基于白蚁分布趋势的规划系统,应用于上述的基于白蚁分布趋势的规划方法,包括:
获取模块,获取模块用于获取白蚁的分布信息,其中,分布信息包括历史分布信息和当前分布信息;
趋势评估模块,趋势评估模块用于根据历史分布信息确定白蚁的分布趋势信息,其中,分布趋势信息包括种群分布面积变化参数以及分布区域扩张速度;
规划模块,规划模块用于依据分布趋势信息规划多个防治区域,并将其标定为基准区域,且根据基准区域确定白蚁的防治面积;
匹配模块,匹配模块用于统计防治区域的分散程度,并根据防治面积和防治区域的分散程度匹配防治措施;
校验模块,校验模块用于获取防治措施实施后的防治后状态,其中,防治后状态包括有效防治和无效防治,并在无效防治下,重新匹配防治措施。
如上述,该系统应用于基于白蚁分布趋势的规划方法,该系统主要包括五个模块:获取模块、趋势评估模块、规划模块、匹配模块和校验模块,首先,获取模块负责获取白蚁的分布信息,包括历史分布信息和当前分布信息,这些信息对于后续的分布趋势评估和规划至关重要,通过不断地收集和更新这些数据,可以更准确地了解白蚁的分布状况,为防治工作提供科学依据,接下来,趋势评估模块根据历史分布信息来确定白蚁的分布趋势信息,这部分主要包括种群分布面积变化参数和分布区域扩张速度,通过这两个参数,可以预测白蚁的分布趋势,从而为防治工作提供有针对性的方案,在规划模块中,将根据分布趋势信息规划多个防治区域,并将其标定为基准区域,这一步骤的目的是确定白蚁的防治面积,为后续的防治工作奠定基础,基准区域的确定有助于更好地把握白蚁的分布情况,提高防治效果,匹配模块负责统计防治区域的分散程度,并根据防治面积和防治区域的分散程度匹配相应的防治措施,这一模块的目标是确保防治措施与实际情况相适应,从而提高防治工作的效率和准确性,最后,校验模块用于获取防治措施实施后的防治后状态,包括有效防治和无效防治,在无效防治的情况下,系统将重新匹配防治措施,以确保白蚁得到有效控制,这一模块有助于我们不断优化防治策略,提高防治效果。
请参阅图3,一种基于白蚁分布趋势的规划装置,包括:
至少一个处理器;
以及与至少一个处理器通信连接的存储器;
其中,存储器存储有可被至少一个处理器执行的计算机程序,计算机程序被至少一个处理器执行,以使至少一个处理器能够执行上述的基于白蚁分布趋势的规划方法。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其它要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。本发明中未具体描述和解释说明的结构、装置以及操作方法,如无特别说明和限定,均按照本领域的常规手段进行实施。
Claims (10)
1.一种基于白蚁分布趋势的规划方法,其特征在于:包括:
获取白蚁的分布信息,其中,所述分布信息包括历史分布信息和当前分布信息;
根据所述历史分布信息确定白蚁的分布趋势信息,其中,所述分布趋势信息包括种群分布面积变化参数以及分布区域扩张速度;
依据所述分布趋势信息规划多个防治区域,并将其标定为基准区域,且根据所述基准区域确定白蚁的防治面积;
统计所述防治区域的分散程度,并根据所述防治面积和防治区域的分散程度匹配防治措施;
获取所述防治措施实施后的防治后状态,其中,所述防治后状态包括有效防治和无效防治,并在所述无效防治下,重新匹配防治措施。
2.根据权利要求1所述的一种基于白蚁分布趋势的规划方法,其特征在于:所述获取白蚁的分布信息的步骤,包括:
构建监测周期,并获取所述监测周期内白蚁的种群分布面积和分布区域;
获取所述监测周期的时间长度,并等分为多个采样节点;
采集各个所述采样节点下的种群分布面积和分布区域,并分别标定为第一样本参数和第二样本参数,且汇总为白蚁的分布信息;
其中,所述监测周期的截止节点为当前节点,且当前节点下白蚁的分布信息被标定为当前分布信息,所述当前节点之前白蚁的分布信息被标定为历史分布信息。
3.根据权利要求1所述的一种基于白蚁分布趋势的规划方法,其特征在于:所述根据所述历史分布信息确定白蚁的分布趋势信息的步骤,包括:
获取所述当前节点之前的历史分布信息;
从所述历史分布信息中调用第一样本参数和第二样本参数;
获取趋势分析函数,并将所述第一样本参数和第二样本参数分别输入至趋势分析函数中,且将其输出结果分别标定为种群分布面积变化参数和分布区域扩张速度;
将所述种群分布面积变化参数和分布区域扩张速度汇总为白蚁的分布趋势信息。
4.根据权利要求3所述的一种基于白蚁分布趋势的规划方法,其特征在于:所述从所述历史分布信息中调用第一样本参数和第二样本参数的步骤,包括:
获取所述历史分布信息,并分类为与第一样本参数对应的第一样本集,以及与第二样本参数对应的第二样本集;
将所述第一样本集和第二样本集中的第一样本参数和第二样本参数分别按照采集时间的先后顺序进行排列;
对相邻所述采样节点下的第一样本参数和第二样本参数执行做差处理,得到第一待校验参数和第二待校验参数;
获取第一校验阈值和第二校验阈值,并分别与第一待校验参数和第二待校验参数进行比较,并在所述第一待校验参数小于第一校验阈值时,将其对应的第一样本参数标定为瞬时参数,且同步从第一样本集中筛除,在所述第二待校验参数小于第二校验阈值时,将其对应的第二样本参数也标定为瞬时参数,并同步从第二样本集中筛除;
保留所述第一样本集和第二样本集中瞬时参数筛除后的第一样本参数和第二样本参数,并输入至趋势分析函数中。
5.根据权利要求1所述的一种基于白蚁分布趋势的规划方法,其特征在于:所述依据所述分布趋势信息规划防治区域,并将其标定为基准区域的步骤,包括:
从所述分布趋势信息中提取分布区域扩张速度;
获取当前节点下的白蚁分布区域,以及需求防治节点与当前节点之间的防治间隔;
将所述当前节点下的白蚁分布区域、防治间隔,以及分布区域扩张速度进行结合运算,得到防治区域,并将其标定为基准区域。
6.根据权利要求5所述的一种基于白蚁分布趋势的规划方法,其特征在于:所述根据所述基准区域确定白蚁的防治面积的步骤,包括:
获取各个所述基准区域的边缘坐标;
获取测算函数,并将各个所述边缘坐标一同输入至测算函数中,并将其输出结果标定为第一待评估面积;
获取当前节点下的白蚁分布面积,并与所述种群分布面积变化参数进行结合运算,得到第二待评估面积;
若所述第二待评估面积大于或等于第一待评估面积,则将所述第二待评估面积标定为白蚁的防治面积;
若所述第二待评估面积小于第一待评估面积,则将所述第一待评估面积标定为白蚁的防治面积。
7.根据权利要求1所述的一种基于白蚁分布趋势的规划方法,其特征在于:所述统计所述防治区域的分散程度的步骤,包括:
获取各个所述防治区域的中心坐标,并标定为待评估坐标,再计算各个所述待评估坐标之间的距离,并标定为待评估参数;
获取评估阈值,并与所述待评估参数进行比较;
若所述待评估参数大于或等于评估阈值,则表明该所述防治区域的分散程度低,且将其确定为集中区域;
若所述待评估参数小于评估阈值,则表明该所述防治区域的分散程度高,并将其确定为独立区域。
8.根据权利要求7所述的一种基于白蚁分布趋势的规划方法,其特征在于:所述根据所述防治面积和防治区域的分散程度匹配防治措施的步骤,包括:
获取所述独立区域的防治面积,并标定为分类参数;
获取分类阈值,并与所述分类参数进行比较;
若所述分类参数大于或等于分类阈值,则将其与集中区域一同匹配第一防治措施;
若所述分类参数小于分类阈值,则将其匹配第二防治措施。
9.一种基于白蚁分布趋势的规划系统,应用于权利要求1至8中任意一项所述的基于白蚁分布趋势的规划方法,其特征在于:包括:
获取模块,所述获取模块用于获取白蚁的分布信息,其中,所述分布信息包括历史分布信息和当前分布信息;
趋势评估模块,所述趋势评估模块用于根据所述历史分布信息确定白蚁的分布趋势信息,其中,所述分布趋势信息包括种群分布面积变化参数以及分布区域扩张速度;
规划模块,所述规划模块用于依据所述分布趋势信息规划多个防治区域,并将其标定为基准区域,且根据所述基准区域确定白蚁的防治面积;
匹配模块,所述匹配模块用于统计所述防治区域的分散程度,并根据所述防治面积和防治区域的分散程度匹配防治措施;
校验模块,所述校验模块用于获取所述防治措施实施后的防治后状态,其中,所述防治后状态包括有效防治和无效防治,并在所述无效防治下,重新匹配防治措施。
10.一种基于白蚁分布趋势的规划装置,其特征在于:包括:
至少一个处理器;
以及与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至8中任意一项所述的基于白蚁分布趋势的规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410097769.3A CN117610973B (zh) | 2024-01-24 | 2024-01-24 | 一种基于白蚁分布趋势的规划方法、系统及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410097769.3A CN117610973B (zh) | 2024-01-24 | 2024-01-24 | 一种基于白蚁分布趋势的规划方法、系统及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117610973A true CN117610973A (zh) | 2024-02-27 |
CN117610973B CN117610973B (zh) | 2024-05-03 |
Family
ID=89956568
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410097769.3A Active CN117610973B (zh) | 2024-01-24 | 2024-01-24 | 一种基于白蚁分布趋势的规划方法、系统及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117610973B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008033751A2 (en) * | 2006-09-11 | 2008-03-20 | The United States Of America, As Represented By The Secretary Of Agriculture | Compositions of keratin hydrolysate and microbes for pest control applications |
US20180132469A1 (en) * | 2015-08-21 | 2018-05-17 | Tony Nick Frudakis | System, apparatus, and method for subterranean termite control |
CN115238969A (zh) * | 2022-06-30 | 2022-10-25 | 杭州卫康有害生物防治有限公司 | 一种白蚁预防的趋势预测方法、装置、电子设备及介质 |
CN116158421A (zh) * | 2023-03-01 | 2023-05-26 | 新疆农业大学 | 作物病虫害防治喷药方法、系统、存储介质、设备、应用 |
CN116849191A (zh) * | 2023-06-05 | 2023-10-10 | 重庆市虫控生物技术研究院有限公司 | 一种白蚁危害动态信息监测方法和系统 |
-
2024
- 2024-01-24 CN CN202410097769.3A patent/CN117610973B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008033751A2 (en) * | 2006-09-11 | 2008-03-20 | The United States Of America, As Represented By The Secretary Of Agriculture | Compositions of keratin hydrolysate and microbes for pest control applications |
US20180132469A1 (en) * | 2015-08-21 | 2018-05-17 | Tony Nick Frudakis | System, apparatus, and method for subterranean termite control |
CN115238969A (zh) * | 2022-06-30 | 2022-10-25 | 杭州卫康有害生物防治有限公司 | 一种白蚁预防的趋势预测方法、装置、电子设备及介质 |
CN116158421A (zh) * | 2023-03-01 | 2023-05-26 | 新疆农业大学 | 作物病虫害防治喷药方法、系统、存储介质、设备、应用 |
CN116849191A (zh) * | 2023-06-05 | 2023-10-10 | 重庆市虫控生物技术研究院有限公司 | 一种白蚁危害动态信息监测方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117610973B (zh) | 2024-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104317681B (zh) | 针对计算机系统的行为异常自动检测方法及检测系统 | |
CN101399672B (zh) | 一种多神经网络融合的入侵检测方法 | |
Banks‐Leite et al. | Assessing the utility of statistical adjustments for imperfect detection in tropical conservation science | |
Thomson | Detecting the effects of introduced species: a case study of competition between Apis and Bombus | |
US8457928B2 (en) | Automatic determination of dynamic threshold for accurate detection of abnormalities | |
CN111654489B (zh) | 一种网络安全态势感知方法、装置、设备及存储介质 | |
Goodwin et al. | Voluntary recording scheme reveals ongoing decline in the United Kingdom hazel dormouse Muscardinus avellanarius population | |
Ebrahimian et al. | Adaptive daily forecasting of seismic aftershock hazard | |
CN109873832B (zh) | 流量识别方法、装置、电子设备和存储介质 | |
CN109613182A (zh) | 基于大气污染物的监测布点选址方法及装置 | |
CN111898647A (zh) | 一种基于聚类分析的低压配电设备误告警识别方法 | |
US9652728B2 (en) | Methods and systems for generating a business process control chart for monitoring building processes | |
Giglioni et al. | Autoencoders for unsupervised real‐time bridge health assessment | |
CN102955719A (zh) | 疑似内存泄漏的确定方法及装置 | |
Garg et al. | Comparison of ARIMA and ANN approaches in time-series predictions of traffic noise | |
CN107426040B (zh) | 一种网络行为的预测方法 | |
CN111430040A (zh) | 基于病例、气象和病原监测数据的手足口病疫情预测方法 | |
CN113962476A (zh) | 一种虫害预测方法、装置、设备及存储介质 | |
CN117610973B (zh) | 一种基于白蚁分布趋势的规划方法、系统及装置 | |
CN111865899B (zh) | 威胁驱动的协同采集方法及装置 | |
CN117009900A (zh) | 一种基于图神经网络的物联网信号异常检测方法和系统 | |
CN111625525B (zh) | 一种环境数据修复/填充方法及系统 | |
Alamilla et al. | Seismicity assessment using earthquake catalogues with uncertain and incomplete data: probabilistic formulation | |
CN107783942A (zh) | 一种异常行为检测方法及装置 | |
Dambros et al. | Beta‐diversity buffers fragmented landscapes against local species losses |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |