商空间理论框架下的SVM产量预测模型研究

被引：15

作者：

程伟 ^{[1
,2
]}

张燕平 ^{[1
]}

赵姝 ^{[1
]}

机构：

[1] 安徽大学计算智能与信号处理教育部重点实验室

[2] 安徽电子信息职业技术学院

来源：

中国农业大学学报 | 2009年 / 14卷 / 05期

关键词：

商空间理论; 支持向量机(SVM); 粒度; 气象因素; 产量预测模型;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

针对目前预测农作物产量只利用年产量或其变形,而没有考虑气象因素对产量预测的影响导致误差偏大的问题,在基于商空间粒度理论框架下的农作物产量预测中,考虑气象因素如光照、平均气温、降水量对农作物产量的影响,提出利用支持向量机方法构造模型对气象时间序列进行数据挖掘(产量预测)。粒度分析和实验结果表明:混合粒度预测模型不仅降低了问题求解的复杂性,而且误差较低,其预测值平均绝对百分误差为0.884 9,均方根误差37.3,希尔不等系数为0.004 4,与其他预测模型相比误差最小。基于商空间理论的支持向量机产量预测模型可较好地应用于产量预测中。

引用

页码：135 / 139

页数：5

共 16 条

[1]

基于支持向量机的集团信用风险预警研究 [J].