支持向量机在深圳市坪山区成蚊密度预测中的应用

作者：吴崧霖^*; 吴能简; 何志明; 陈伟文; 黄淑仪; 曾杜娟

来源：医学动物防制, 2020, 36(03): 208-211.

DOI：10.7629/yxdwfz202003002

• 支持向量机
• 蚊媒传染病
• 成蚊密度
• 预测

目的建立回归函数估计的支持向量机模型(support vector regression,SVR),探讨其在成蚊密度预测中的可行性。方法收集2013-2017年深圳市坪山区月度平均气温、降水量、相对湿度等气象指标和月度成蚊密度资料,对其进行主成分分析,提取主成分作为输入变量。将数据分为训练集和测试集,所有资料在分析前进行归一化处理。在Matlab中调用LIBSVM工具包建立SVR模型,利用遗传算法优化SVR模型参数。建立ARIMA模型,与SVR模型的预测效果进行比较。结果将气象资料主成分分析结果中前3个主成分纳入SVR建模,未经优化的SVR预测结果的MSE为23. 15,MAPE为0. 67;经遗传算法确定参数后的SVR预测结果的MSE为20. 02,MAPE为0. 58; ARIMA预测结果的MSE为29. 75,MAPE为0. 83。结论 SVR在小样本、不规则、混沌等非线性的特征数据的应用中有一定的优势,经过参数优化后的SVR具有较高的学习精度,其用于成蚊密度的预测是较为可靠的。

• 单位
  公共卫生学院; 广东药科大学