参考作物腾发量支持向量回归机实时预报模型

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.

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

所属期刊栏目：25

分类号：S161.4(农业气象学)

资助基金：国家"863"计划项目2006AA100202;全国优秀博士学位论文作者专项基金项目200546

在线出版日期：2009-12-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：45-49