基于混沌-SVM-PSO的粮食产量预测方法研究

针对粮食产量影响因素复杂、随机波动大等特点,对粮食产量预测问题展开研究。用混沌理论对原始样本进行相空间重构,确定最佳的嵌入维数和延迟时间。发挥粒子群算法全局搜索能力强的优点,用PSO算法优化SVM参数,避免人工选取参数的盲目性。以某省2004—2015年粮食产量预测为案例进行仿真试验,并将预测结果与灰色GM(1,1)模型进行对比。结果表明,本文所建模型对2014年、2015年粮食产量预测结果相对误差分别为-6.38%和2.07%,MAPE为4.22%,优于灰色GM(1,1)模型,具有较高的预测精度,从而验证所提方法的先进性和有效性。