基于SAFA优化LSSVM的粮食产量预测

作者：施瑶; 陈昭^*

来源：中国农机化学报, 2019, 40(03): 144-148.

DOI：10.13733/j.jcam.issn.2095-5553.2019.03.26

• 萤火虫算法
• LSSVM模型
• 神经网络
• 支持向量机
• 粮食产量

为提高粮食产量预测的精度,针对LSSVM模型的预测精度受惩罚参数C和核函数参数g选择的影响,将非线性惯性权重引入萤火虫算法,提出一种基于自适应权重的萤火虫算法(Self-Adaptive Firefly Algorithm,SAFA),并将SAFA应用于惩罚参数C和核函数参数g优化,提出一种基于SAFA-LSSVM的粮食产量预测算法。选择1978—2017年我国粮食产量数据为研究对象,与FA-LSSVM、PSO-LSSVM和LSSVM相比,研究结果表明本文提出的算法SAFA-LSSVM可以有效提高粮食产量预测的精度,相关系数R达0.9893,为粮食产量预测提供新的方法和途径。

• 单位
  江苏商贸职业学院; 郑州大学