支持向量机在粮食产量预测中的应用

被引：17

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：

安徽农业科学 | 2009年 / 37卷 / 08期

关键词：

支持向量机(SVM); 回归; 径向基核函数; 预测;

D O I：

10.13989/j.cnki.0517-6611.2009.08.170

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

将支持向量机算法应用于粮食产量预测,结果表明,支持向量机的径向基核函数模型预测粮食产量的精度优于其他预测方法。

引用

页码：3347 / 3348

页数：2

共 8 条

[1] 三种模型对我国粮食产量预测效果的比较 [J].

林绍森 ;

唐永金 .

统计与决策, 2007, (07) :39-40

[2] 组合模型分析方法在我国粮食产量预测中的应用 [J].

丁晨芳 .

农业现代化研究, 2007, (01) :101-103

[3] 一类基于SVM/RBF的气象模型预测系统 [J].

罗泽举 ;

宋丽红 ;

薛宇峰 ;

朱思铭 .

计算机工程, 2006, (21) :31-32+93

[4] 基于最小二乘支持向量机的天然气负荷预测 [J].

刘涵 ;

刘丁 ;

郑岗 ;

梁炎明 ;

宋念龙 .

化工学报, 2004, (05) :828-832

[5] 一种改进的SVM算法及其在证券领域中的应用 [J].

陈友 ;

张国基 ;

郭国雄 .

华南理工大学学报(自然科学版), 2003, (07) :15-18

[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]

数据分析与Eviews应用.[M].易丹辉主编;.中国统计出版社.2002,

[8]

统计学习理论的本质.[M].(美)VladimirN.Vapnik著;张学工译;.清华大学出版社.2000,

← 1 →