支持向量机在深圳市坪山区成蚊密度预测中的应用
目的 建立回归函数估计的支持向量机模型(support vector regression,SVR),探讨其在成蚊密度预测中的可行性.方法 收集2013-2017年深圳市坪山区月度平均气温、降水量、相对湿度等气象指标和月度成蚊密度资料,对其进行主成分分析,提取主成分作为输入变量.将数据分为训练集和测试集,所有资料在分析前进行归一化处理.在Matlab中调用LIBSVM工具包建立SVR模型,利用遗传算法优化SVR模型参数.建立ARIMA模型,与SVR模型的预测效果进行比较.结果 将气象资料主成分分析结果中前3个主成分纳入SVR建模,未经优化的SVR预测结果的MSE为23.15,MAPE为0.67;经遗传算法确定参数后的SVR预测结果的MSE为20.02,MAPE为0.58;ARIMA预测结果的MSE为29.75,MAPE为0.83.结论 SVR在小样本、不规则、混沌等非线性的特征数据的应用中有一定的优势,经过参数优化后的SVR具有较高的学习精度,其用于成蚊密度的预测是较为可靠的.
支持向量机、蚊媒传染病、成蚊密度、预测
36
R184.31(流行病学与防疫)
坪山区卫生系统科研基金项目201739
2020-05-28(万方平台首次上网日期,不代表论文的发表时间)
共4页
208-211