基于支持向量回归机的粮食产量预测研究

• 作者: 吴海云 左月明 田燕红 陈晨
• 来源期刊: 山西农业大学学报(自然科学版)
• 关键词: 支持向量机 回归预测 参数选择 粮食产量
• 年，卷（期）: 2013,（4）
• 页码范围: 357-361
• 页数: 5页
• 分类号: S11+7
• 语种: 中文

摘要

支持向量机(Support Vector Machines,SVM)是一种具有坚实理论基础的新颖小样本学习方法.采用支持向量机回归(Support Vector Machine Regression,SVR)算法,用libsvm-2.89软件包对我国近年来的粮食产量进行回归预测,选择交叉验证法进行参数寻优,建立粮食产量和其影响因素的支持向量机回归模型.粮食产量预测平均相对百分误差为1.209％,均方根误差为581.191,相关系数为0.962 24.将预测结果与指数平滑模型、生产函数模型及多元线性回归模型进行了比较,用平均绝对百分误差、希尔不等系数及均方根误差对4种模型预测结果进行评价.结果表明,基于支持向量机的径向基核函数(RBF)模型预测粮食产量的精度优于其他预测方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴海云	山西农业大学工学院	11	108	6.0	10.0
2	左月明	山西农业大学工学院	53	432	11.0	19.0
3	陈晨	山西农业大学工学院	8	13	2.0	2.0
4	田燕红	山西农业大学工学院	3	5	1.0	2.0