基于支持向量机优化粒子群算法的作物生育期ET0预测

• 作者: 刘玉甫 曹伟
• 来源期刊: 现代农业科技
• 学科: 农学
• 关键词: ET0 PSO-SVM BP 干旱区
• 年，卷（期）: 2014,（2）
• 所属期刊栏目: 农业工程学 -- 工程研究
• 页码范围: 219-220,228
• 页数: 3页
• 分类号: S2
• 字数: 4259字
• 语种: 中文

摘要

ET0是计算作物需水量、进行农田灌溉管理及区域水资源优化配置的重要依据。为了提高ET0的预测精度，将粒子群（particle swarm optimization，PSO）算法引入到ET0预测中，并用支持向量回归机（support vector machine，SVM）优化参数。PSO-SVM将最高气温、最低气温、相对湿度、平均风速与日照时数输入到SVM中学习，将SVM参数作为PSO中的粒子，把ET0值作为PSO的目标函数，然后通过粒子之间相互协作得到SVM最优参数，对ET0进行预测，并采用PM模型计算值验证。该文以新疆喀什地区为例，通过采用粒子群耦合支持向量机（PSO-SVM）算法训练得到模型，并用10组数据进行预测；最后引用BP神经网络算法和PSO-SVM 算法进行了对比，其结果表明， PSO-SVM算法预测准确率较高，预测值与实测值间相关系数达0.682，平均相对误差为3.19%。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘玉甫		14	66	4.0	8.0
2	曹伟		36	192	7.0	12.0