大豆食心虫种群温湿度耦合动力学建模及 PCM-NN 算法预测性能评估
动力系统
2025-08-06 v1
摘要
在全球气候变化和农业全球化的背景下，大豆生产日益受到虫害爆发的威胁，其中大豆食心虫是主要的害虫物种。该害虫分布广泛，特别是在中国主要大豆产区东北地区，其爆发严重影响了产量和品质。尽管统计模型和机理模型已应用于害虫预测，但现有方法往往未能将气候因素与害虫动态有效结合，且缺乏足够的表达能力。为了解决这些局限性，本研究提出了一种基于物理信息神经网络的新型害虫预测方法。具体而言，我们构建了一个包含微气候因素、温度、湿度和时间的 logistic 型常微分方程（ODE），以描述大豆食心虫种群的时间动态。将该 ODE 模型嵌入 PINN 框架，开发了害虫关联模型神经网络（PCM-NN），用于联合推断微气候驱动的参数函数 alpha(T, H, t) 并拟合害虫种群动态。我们使用 2020 年至 2023 年 7 月至 9 月在吉林省长春市收集的大豆食心虫每日监测数据对 PCM-NN 进行了评估。实验结果表明，PCM-NN 在保持生物学可解释性的同时展现出强大的非线性表达能力，为多因子气候条件下的害虫建模和预测提供了可行途径。该方法为农业害虫监测、预防和控制策略提供了有价值的支持。
引用
@article{arxiv.2508.03238,
title = {Modeling the Temperature-Humidity Coupling Dynamics of Soybean Pod Borer Population and Assessing the Predictive Performance of the PCM-NN Algorithm},
author = {Xu Chen and Wenxuan Li and Xiaoshuang Li and Suli Liu and Yu Gao},
journal= {arXiv preprint arXiv:2508.03238},
year = {2025}
}