原文服务方: 环境工程技术学报       
摘要:
应用支持向量机回归(SVR)算法预测程海富营养化水体叶绿素a( Chl-a)的浓度,用留一法交叉验证( LOOCV)优化SVR预测模型的参数,并根据平均相对误差(MRE),讨论SVR预测模型的准确性.结果表明:用径向基核函数构建的SVR预测模型预测结果最优;SVR预测模型的预测值和实测值具有很好的一致性.相关系数为0.938,MRE为12,30%.SVR预测模型的建模结果优于人工神经网络(BP - ANN)预测模型,说明SVR算法能够准确预测Chl-a浓度.
推荐文章
基于粒子群支持向量机的海杂波序列回归预测
海杂波
混沌
支持向量机
粒子群
回归预测
基于支持向量机回归的电力负荷预测研究
结构风险最小化
支持向量机
支持向量回归
电力负荷预测
神经网络
基于支持向量回归机的粮食产量预测研究
支持向量机
回归预测
参数选择
粮食产量
Boosting集成支持向量回归机的滑坡位移预测
支持向量机
Boosting集成
Bagging
滑坡位移
预测
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 以程海为例用支持向量机回归算法预测叶绿素a浓度
来源期刊 环境工程技术学报 学科
关键词 支持向量机回归 (SVR) 叶绿素a 程海 径向基核函数
年,卷(期) 2012,(3) 所属期刊栏目 湖泊营养物基准标准专题
研究方向 页码范围 207-211
页数 分类号 X524
字数 语种 中文
DOI 10.3969/j.issn.1674-991X.2012.03.031
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 钱光人 上海大学环境与化学工程学院 64 461 11.0 18.0
2 霍守亮 71 1126 20.0 31.0
3 席北斗 287 5867 42.0 60.0
4 许云峰 上海大学环境与化学工程学院 7 27 3.0 5.0
5 马春子 上海大学环境与化学工程学院 2 11 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (6)
共引文献  (11)
参考文献  (13)
节点文献
引证文献  (11)
同被引文献  (43)
二级引证文献  (14)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(4)
  • 参考文献(1)
  • 二级参考文献(3)
2005(3)
  • 参考文献(2)
  • 二级参考文献(1)
2006(3)
  • 参考文献(3)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(2)
  • 参考文献(2)
  • 二级参考文献(0)
2009(2)
  • 参考文献(2)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2013(2)
  • 引证文献(2)
  • 二级引证文献(0)
2014(2)
  • 引证文献(2)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(2)
  • 引证文献(2)
  • 二级引证文献(0)
2017(3)
  • 引证文献(1)
  • 二级引证文献(2)
2018(7)
  • 引证文献(1)
  • 二级引证文献(6)
2019(6)
  • 引证文献(2)
  • 二级引证文献(4)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
支持向量机回归 (SVR)
叶绿素a
程海
径向基核函数
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
环境工程技术学报
双月刊
1674-991X
11-5972/X
大16开
1982-01-01
chi
出版文献量(篇)
1162
总下载数(次)
0
总被引数(次)
5879
论文1v1指导