基于改进樽海鞘群寻优SVM的土壤含水量预测算法

摘要：

针对传统土壤含水量预测算法存在的精度和效率较低等问题,采用支持向量机(SVM,support vector machine)建立预测模型,提出一种改进樽海鞘群算法(SSA,salp swarm algorithm)优化SVM的土壤含水量预测算法.首先,引入反向学习和混沌优化对标准樽海鞘群算法进行改进,解决算法易陷入局部最优解和收敛速度慢的问题;其次,利用改进的樽海鞘群算法对影响SVM性能的参数进行优化,构建对应的预测模型;最后,将所提模型与粒子群优化SVM预测模型、鲸鱼算法优化SVM预测模型进行对比.实验结果表明,所提模型的均方误差和决定系数分别为0.42和0.901,与其他两种模型相比性能更优,验证了所提算法的有效性.

关键词：土壤含水量预测、支持向量机、樽海鞘群算法、反向学习、混沌优化

所属期刊栏目：5

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金委员会—雅砻江联合基金资助项目;陕西省创新人才推进计划—科技创新团队;西安市科技计划项目;陕西省教育厅产业化培育项目;陕西省国际合作计划项目

在线出版日期：2021-04-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：99-107