基于PSO与LS-SVM的作物需水量预测

• 作者: 商志根 段小汇
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 作物需水量 支持向量机 粒子群优化 核函数
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 人工智能
• 页码范围: 44-47
• 页数: 4页
• 分类号: TP183
• 字数: 3463字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2018.10.009

摘要

为了提高作物需水量预测精度,提出基于粒子群优化算法(PSO)优化最小二乘支持向量机(LS-SVM)的预测模型.该模型以空气湿度、温度、太阳辐射以及风速为输入,利用多项式核函数和径向基核函数的非负线性组合构造核函数,将粒子群优化算法(PSO)与交叉验证方法用于确定模型参数.实验结果表明与神经网络和随机森林相比,PSO优化的LS-SVM可获得更好的预测精度和泛化能力,可用于节水灌溉,具有较高的应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	段小汇	盐城工学院电气工程学院	18	49	4.0	6.0
2	商志根	盐城工学院电气工程学院	10	25	3.0	4.0