基于支持向量机的浮游植物密度预测研究

被引：3

作者：

冯剑丰 ^{[1
]}

王洪礼 ^{[2
]}

李胜朋 ^{[2
]}

机构：

[1] 天津大学环境科学与工程学院

[2] 天津大学机械工程学院

来源：

海洋环境科学 | 2007年 / 05期

关键词：

支持向量机; 浮游植物; 预测;

D O I：

暂无

中图分类号：

X55 [海洋污染及其防治];

学科分类号：

摘要：

利用支持向量机方法对具有非线性及突发性特点的浮游植物密度进行了预测,同时与人工神经网络方法预测的结果进行了比较。结果表明,无论是拟和能力还是预测能力,支持向量机方法都明显优于人工神经网络方法,支持向量机方法比较适合于具有小样本、非线性特点的浮游植物密度预测研究。

引用

页码：438 / 441

页数：4

共 8 条

[1] 赤潮预测的人工神经网络方法初步研究附视频 [J].

杨建强 ;

罗先香 ;

丁德文 ;

秦洁 .

海洋科学进展, 2003, (03) :318-324

[2] 探讨运用多元回归分析预报赤潮 [J].

林祖享 ;

梁舜华 .

海洋环境科学, 2002, (03) :1-4

[3] 基于人工神经网络的夜光藻密度预测模型 [J].

蔡如钰 .

中国环境监测, 2001, (03) :52-55

[4] 长江口海区一次骨条藻赤潮发生过程的多元分析 [J].

黄秀清 ;

蒋晓山 ;

陶然 ;

洪君超 .

海洋环境科学, 2000, (04) :1-5

[5] 人工神经网络预报浮游植物生长趋势的研究 [J].

吴京洪 ;

杨秀环 ;

唐宝英 ;

张展霞 ;

李锦蓉 .

中山大学学报(自然科学版), 2000, (06) :54-58

[6] 关于统计学习理论与支持向量机 [J].

张学工 .

自动化学报, 2000, (01) :36-46

[7] 基于支持向量机的数据库学习算法 [J].

田盛丰 ;

黄厚宽 .

计算机研究与发展, 2000, (01) :17-22

[8]

最优化计算方法[M]. 上海科学技术出版社 , 席少霖, 1983

← 1 →