一种基于支持向量回归的蒸散发数据缺失插补方法研究

• 作者: 何洪林 林诗杰 郭旦怀 黎建辉
• 来源期刊: 科研信息化技术与应用
• 关键词: 支持向量回归机 数值预测 贝叶斯神经网络 特征选择 特征排序
• 年，卷（期）: 2013,（3）
• 所属期刊栏目: 应 用
• 页码范围: 68-75
• 页数: 8页
• 字数: 4926字
• 语种: 中文

摘要

准确获取蒸散发数据，对于更好地开展生态研究有着重要意义。在生态观测基站上，蒸散发数据会发生记录缺失，而在获取到的环境因子数据有限，并且观测到的环境因子数据存在误差的情况下，准确插补蒸散发数据是一个难题。本文提出从机器学习方法角度，应用特征排序选择算法，对影响变量进行特征排序选择，并使用支持向量回归机(Support Vector Regression，SVR)，贝叶斯神经网络对这些缺失值进行插补并作对比实验。在环境因子数据有限的条件下，特征选择排序方法能够帮助我们找出更好地预测蒸散发数据的特征组合，支持向量回归机算法则取得了对蒸散发缺失值预测的不错效果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何洪林	中国科学院地理科学与资源研究所生态系统研究网络综合中心	31	693	11.0	26.0
2	黎建辉	中国科学院计算机网络信息中心	60	630	16.0	24.0
3	郭旦怀	中国科学院计算机网络信息中心	12	53	4.0	7.0
4	林诗杰	中国科学院计算机网络信息中心	1	1	1.0	1.0