基于最小二乘支持向量机的参考作物腾发量预测

摘要：

参考作物腾发量是估算作物蒸发蒸腾量的关键参数,其准确预测对提高作物需水预报精度具有十分重要的意义.最小二乘支持向量机(LS-SVM)是支持向量机(SVM)的一种改进算法,它基于结构风险最小化准则,可兼顾模型的经验风险和推广能力,将LS-SVM方法引用于参考作物腾发量预测中,并以辽宁省铁岭市为例,对比分析了 LS-SVM模型与BP模型的预测结果.结果表明:LS-SVM模型学习速度快,具有比BP模型更高的模拟性能和预测精度.LS-SVM方法克服了BP模型训练时间长,容易陷入局部极小的缺点,是适合参考作物腾发量预测的新方法.

关键词：参考作物腾发量、支持向量机、神经网络、最小二乘支持向量机、BP神经网络

所属期刊栏目：40

分类号：S161.4(农业气象学)

资助基金：水利部"948"项目科技创新项目CT200516;辽宁省教育厅技术攻关项目02L385;辽宁省优秀青年人才培养基金2005230002;辽宁省自然科学基金项目20082122

在线出版日期：2009-06-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：206-209