基于CPSO-SVM的小麦条锈病预测模型研究

• 作者: 王芬 马涛
• 来源期刊: 广东农业科学
• 学科: 农学
• 关键词: 混沌粒子群算法 支持向量机 小麦条锈病 预测模型
• 年，卷（期）: 2014,（17）
• 所属期刊栏目: 植物保护
• 页码范围: 74-78
• 页数: 5页
• 分类号: S431.2
• 字数: 3419字
• 语种: 中文

摘要

针对BP神经网络在建立模型时没有确定网络结构的缺点和支持向量机(SVM)模型参数选择对预测精度影响大的局限性,提出一种结合混沌系统的粒子群算法(CPSO)去优化SVM模型的惩罚因子C和核函数中参数σ的混合模型,利用混沌系统的不确定性理论使传统的粒子群算法能有效克服收敛速度慢、容易达到局部最优值的缺点,使CPSO算法能更快、更准确找到全局最优值.经过参数优化SVM模型有效提高了预测精度并利用新的混合模型对宁夏地区小麦条锈病流行级别进行预测.结果表明,相对于传统SVM模型、组合PSO-SVM模型和组合PSO-BP神经网络模型,研究提出的混合模型(CPSO-SVM)在预测精度及模型的泛化能力上均优于以上3种模型,可对小麦条锈病发病及流行程度进行精确的预测,并为农业病虫害研究部门提供有效的理论依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马涛	宁夏师范学院数学与计算机科学学院	11	29	4.0	5.0
2	王芬	宁夏师范学院数学与计算机科学学院	10	24	3.0	4.0