共 11 条
- [1] 支持向量机导论.[M].(英)NelloCristianini;(英)JohnShawe-Taylor著;李国正等译;.电子工业出版社.2004,
- [2] 计算机在农业水土工程中的应用.[M].熊运章等编著;.清华大学出版社.1999,
- [10] 基于BP神经网络的参考作物蒸发蒸腾量预测研究.[D].吴宏霞.河海大学.2006, 08
参考作物腾发量支持向量回归机实时预报模型
被引：9
作者：
彭世彰
[1
,2
]
魏征
[1
,2
]
徐俊增
[1
]
缴锡云
[1
]
李盼盼
[1
,2
]
机构：
[1] 河海大学水文水资源与水利工程科学国家重点实验室
[2] 河海大学水利水电学院
来源：
关键词：
蒸发蒸腾量;
学习算法;
预报;
支持向量机;
增噪处理;
泛化能力;
实时预报;
D O I：
暂无
中图分类号：
S161.4 [蒸发与蒸腾];
学科分类号：
摘要：
为了实现高精度的实时预报作物需水量,利用结构风险最小化准则的思想以及核函数的非线性变换把空间变换到高维寻求全局最优解的方法,以最高温度、最低温度、日平均温度、天气阴晴指数和风力等级为输入因子,建立基于支持向量回归机的参考作物腾发量实时预报模型。以江苏南京站2003至2005年的日气象资料进行模型训练和预测,并将各输入因子进行±20%增噪后建立的支持向量回归机模型与传统BP网络模型作为对照。结果表明,支持向量回归机实时预报模型不仅精度高(有效性指数87.93%,平均误差0.2609,合格率87.4%),较传统BP网络模型(有效性指数78.91%,平均误差0.3526,合格率76.8%)有更优的泛化能力,且泛化能力不会因为增噪处理而降低,有较强的适应性及参数可移植性。
引用
收藏
页码：45 / 49
页数：5
相关论文