| 基于核函数支持向量回归机的耕地面积预测 |
| |
| 引用本文： | 王 霞,王占岐,金 贵,杨 俊.基于核函数支持向量回归机的耕地面积预测[J].农业工程学报,2014,30(4):204-211. |
| |
| 作者姓名： | 王 霞 王占岐 金 贵 杨 俊 |
| |
| 作者单位： | 1. 中国地质大学〈武汉〉资源学院，武汉 430074;2. 中国地质大学〈武汉〉公共管理学院，武汉430074;2. 中国地质大学〈武汉〉公共管理学院，武汉430074;2. 中国地质大学〈武汉〉公共管理学院，武汉430074 |
| |
| 基金项目： | 国家科技支撑计划项目"国土空间综合分区智能化与规划实施综合评估关键技术"（2012BAB11B04）；国家自然科学基金项目（41140014） |
| |
| 摘 要： | 科学预测耕地保有量是耕地保护的基础,对缓解用地矛盾、保证粮食安全具有重要指导意义。为探讨不同核函数支持向量回归机(support vector regression,SVR)对耕地面积预测的影响,该文以惠州市为例,分别采用多元回归、BP神经网络及3种不同核函数SVR建立耕地面积预测模型并进行对比试验。预测结果精度分析显示,RBF核函数SVR预测结果平均相对误差为0.54%,均方根误差为0.007,精度最高;Sigmoid核函数SVR预测结果对应误差分别为1.12%及0.012,精度次之;多项式核函数SVR预测结果对应误差为分别为2.71%及0.032,高于BP神经网络模型,但低于多元回归模型。研究表明,在现有3种常用核函数SVR耕地面积预测模型中,基于RBF核函数SVR模型预测能力最强,其次是sigmoid核函数;而多项式核函数则效果较差。
|
| 关 键 词： | 土地利用 支持向量机 预测 耕地 核函数 惠州市 |
| 收稿时间： | 9/9/2013 12:00:00 AM |
| 修稿时间： | 2014/1/17 0:00:00 |
Land reserve prediction using different kernel based support vector regression |
| |
| Wang Xi,Wang Zhanqi,Jin Gui and Yang Jun.Land reserve prediction using different kernel based support vector regression[J].Transactions of the Chinese Society of Agricultural Engineering,2014,30(4):204-211. |
| |
| Authors: | Wang Xi Wang Zhanqi Jin Gui and Yang Jun |
| |
| Abstract: | |
| |
| Keywords: | land use support vector machine forecasting cultivated land kernel function Huizhou city |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《农业工程学报》浏览原始摘要信息 |
| 点击此处可从《农业工程学报》下载免费的PDF全文 |
|
