基于BP神经网络和支持向量机的降水量空间插值对比研究 ——以甘肃省为例

• 作者: 刘永峰 吴静 李纯斌 柳小妮 王春瑜
• 来源期刊: 草原与草坪
• 学科: 地球科学
• 关键词: 降水量 空间插值 BP神经网络 支持向量机
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 研究报告
• 页码范围: 12-19
• 页数: 8页
• 分类号: X16
• 字数: 5902字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-5500.2018.04.002

摘要

为探究降水数据产品的高精度空间插值方法及其应用差异,以BP神经网络和支持向量机模型为研究对象,选取甘肃省为研究区域,构建降水量空间插值模型,分别完成基于两种模型的甘肃省降水量空间插值结果,并划分西区、中区、东区3个建模分区,对比分析两种模型空间插值的精度和应用差异.结果表明:支持向量机模型的插值精度显著高于BP神经网络模型,且支持向量机模型在降水空间分布中能体现更多细节;西区平均相对误差最大,其中,BP神经网络模型32.32％,支持向量机模型仅23.74％;东区平均相对误差最小,BP神经网络为8.28％,支持向量机模型为6.15％;另外,分区建模的插值精度有所提高,但两种模型的提高幅度存在差异,BP神经网络的平均相对误差降低了5.08％,支持向量机模型仅降低0.66％,表明支持向量机模型更加稳定,对影响降水量的经纬度和高程等因子自身变异性的适应能力更强.此研究解决了常用的反距离权重、样条函数、克里金插值等方法在降水量插值过程中准确性差,精度低的问题,为提高降水量空间插值的精度提供了新方法和思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴静	甘肃农业大学资源与环境学院	20	167	6.0	12.0
2	李纯斌	甘肃农业大学资源与环境学院	33	288	9.0	16.0
3	王春瑜	甘肃农业大学资源与环境学院	2	6	2.0	2.0
4	刘永峰	甘肃农业大学资源与环境学院	1	3	1.0	1.0