PSO嵌入SV M算法的活立木材积预报研究

• 作者: 冯仲科 徐伟恒 曹忠 焦有权 赵礼曦
• 来源期刊: 光谱学与光谱分析
• 学科: 农学
• 关键词: 粒子群算法(PSO) 支持向量机(SVM ) 活立木材积 光电经纬仪
• 年，卷（期）: 2014,（1）
• 页码范围: 175-179
• 页数: 5页
• 分类号: S758
• 字数: 4160字
• 语种: 中文
• DOI: 10.3964/j.issn.1000-0593(2014)01-0175-05

摘要

为了建立立木材积模型，每年有数十万棵优质活立木被伐倒，这是一种破坏性较大的实验。应用光电经纬仪自动量测与手工量测活立木地径、胸径相结合，通过活立木材积计算软件批量计算，获得中林系107杨（Zhonglin aspens No.107）的胸径、树高、树干材积值400组数据集。采用粒子群算法嵌入支持向量机（PSO-SVM ）建立了非线性智能活立木材积预报模型，并以400组实验数据集作为研究资料，随机抽选300组数据的胸径和树高作为输入值，材积为输出值，用MATLAB软件运行PSO-SVM工具箱，训练得到PSO-SVM 模型，用100组数据进行检验预测。研究表明，PSO-SVM算法模型预测值与实测值间复相关系数 r为0.91， r值比Spurr二元材积模型计算值高出2％，平均绝对误差率提高0.44％。引用经典Spurr二元材积模型计算值和PSO-SVM模型预报值进行对比，认为将PSO算法引入到SVM参数优化中，使活立木材积预报具有自学习能力和自适应能力，PSO-SVM模型对样本数量要求较小、预报准确率高、学习速度快，具有很好的推广价值与应用前景。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵礼曦	中国农业大学水利与土木工程学院	2	26	2.0	2.0