基于支持向量回归机的粮食产量预测研究

摘要：

支持向量机(Support Vector Machines,SVM)是一种具有坚实理论基础的新颖小样本学习方法.采用支持向量机回归(Support Vector Machine Regression,SVR)算法,用libsvm-2.89软件包对我国近年来的粮食产量进行回归预测,选择交叉验证法进行参数寻优,建立粮食产量和其影响因素的支持向量机回归模型.粮食产量预测平均相对百分误差为1.209％,均方根误差为581.191,相关系数为0.962 24.将预测结果与指数平滑模型、生产函数模型及多元线性回归模型进行了比较,用平均绝对百分误差、希尔不等系数及均方根误差对4种模型预测结果进行评价.结果表明,基于支持向量机的径向基核函数(RBF)模型预测粮食产量的精度优于其他预测方法.

关键词：支持向量机、回归预测、参数选择、粮食产量

所属期刊栏目：33

分类号：S11+7(农业数学)

资助基金：高等学校博士学科点专项科研基金20121403110002;山西省归国留学人员科研基金2013-061

在线出版日期：2013-11-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：357-361