参考作物腾发量支持向量回归机实时预报模型

作者：彭世彰; 魏征; 徐俊增; 缴锡云; 李盼盼

来源：农业工程学报, 2009, (10): 45-49.

• 蒸发蒸腾量
• 学习算法
• 预报
• 支持向量机
• 增噪处理
• 泛化能力
• 实时预报 evapotranspiration
• learning algorithm
• forecasting
• support vector regression machines
• by noise
• generalizability
• real-time forecasting

为了实现高精度的实时预报作物需水量,利用结构风险最小化准则的思想以及核函数的非线性变换把空间变换到高维寻求全局最优解的方法,以最高温度、最低温度、日平均温度、天气阴晴指数和风力等级为输入因子,建立基于支持向量回归机的参考作物腾发量实时预报模型。以江苏南京站2003至2005年的日气象资料进行模型训练和预测,并将各输入因子进行±20%增噪后建立的支持向量回归机模型与传统BP网络模型作为对照。结果表明,支持向量回归机实时预报模型不仅精度高(有效性指数87.93%,平均误差0.2609,合格率87.4%),较传统BP网络模型(有效性指数78.91%,平均误差0.3526,合格率76.8%)有更优的泛...

• 单位
  水文水资源与水利工程科学国家重点实验室; 河海大学