10.3969/j.issn.1006-2475.2018.10.009
基于PSO与LS-SVM的作物需水量预测
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.
作物需水量、支持向量机、粒子群优化、核函数
TP183(自动化基础理论)
盐城市农业科技指导性计划项目YKN2014012
2018-11-19(万方平台首次上网日期,不代表论文的发表时间)
共4页
44-47