基于最小二乘支持向量机的参考作物腾发量预测

• 作者: 于淼 李帅莹 迟道才 马宗正
• 来源期刊: 沈阳农业大学学报
• 学科: 农学
• 关键词: 参考作物腾发量 支持向量机 神经网络 最小二乘支持向量机 BP神经网络
• 年，卷（期）: 2009,（2）
• 所属期刊栏目: 研究报告
• 页码范围: 206-209
• 页数: 4页
• 分类号: S161.4
• 字数: 2757字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1700.2009.02.018

摘要

参考作物腾发量是估算作物蒸发蒸腾量的关键参数,其准确预测对提高作物需水预报精度具有十分重要的意义.最小二乘支持向量机(LS-SVM)是支持向量机(SVM)的一种改进算法,它基于结构风险最小化准则,可兼顾模型的经验风险和推广能力,将LS-SVM方法引用于参考作物腾发量预测中,并以辽宁省铁岭市为例,对比分析了 LS-SVM模型与BP模型的预测结果.结果表明:LS-SVM模型学习速度快,具有比BP模型更高的模拟性能和预测精度.LS-SVM方法克服了BP模型训练时间长,容易陷入局部极小的缺点,是适合参考作物腾发量预测的新方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	迟道才	沈阳农业大学水利学院	189	1697	20.0	32.0
2	于淼	沈阳农业大学水利学院	38	724	11.0	26.0
3	李帅莹	沈阳农业大学水利学院	10	248	5.0	10.0
4	马宗正	沈阳农业大学水利学院	3	45	3.0	3.0