10.13733/j.jcam.issn.2095-5553.2019.01.33
基于混沌-SVM-PSO的粮食产量预测方法研究
针对粮食产量影响因素复杂、随机波动大等特点,对粮食产量预测问题展开研究.用混沌理论对原始样本进行相空间重构,确定最佳的嵌入维数和延迟时间.发挥粒子群算法全局搜索能力强的优点,用PSO算法优化SVM参数,避免人工选取参数的盲目性.以某省2004-2015年粮食产量预测为案例进行仿真试验,并将预测结果与灰色GM(1,1)模型进行对比.结果 表明,本文所建模型对2014年、2015年粮食产量预测结果相对误差分别为-6.38%和2.07%,MAPE为4.22%,优于灰色GM(1,1)模型,具有较高的预测精度,从而验证所提方法的先进性和有效性.
粮食产量预测、支持向量机、混沌理论、粒子群算法
40
F323.7(中国农业经济)
国家自然科学基金资助项目51865046;2018年内蒙古自治区科技创新引导项目KCBJ2018028;内蒙古自然科学基金项目2018LH05002;内蒙古自治区高等学校科学研究项目NJZY18159
2019-04-01(万方平台首次上网日期,不代表论文的发表时间)
共5页
179-183