支持向量机在粮食产量预测中的应用

将支持向量机算法应用于粮食产量预测,结果表明,支持向量机的径向基核函数模型预测粮食产量的精度优于其他预测方法。     

支持向量回归机在农业供应链预测中的应用

为了提农业供应链预测的能力,应用基于结构风险最小化准则的标准支持向量回归机方法来研究供应链预测问题。在选择适当的参数和核函数的基础上,通过对实例研究,对时间序列数据进行预测,并与人工神经网络方法进行对比,发现该方法能获得最小的训练相对误差和测试相对误差。结果表明,支持向量回归机是研究农业供应链预测的有效方法。     

支持向量机(SVM)方法在降水分类预测中的应用

支持向量学习机(SVM)是基于统计学习理论的模式分类器,将SVM方法应用于降水异常的分类预测中尚属首次.主要利用1958-2003年逐月的74个环流特征量、NINO 3,NINO 4海温指数、相关区域海平面气压、500 HPA、100HPA有关指数资料等,分别建立了四川盆地5片区降水距平百分率大于50%(特多)和小于-50%(特少)的2个SVM推理模型,并进行了降水分类预测试验和2005年1-3月实际预测,结果显示出所建SVM推理模型的Ts评分较高,具有一定的预测能力,展示了SVM的优越性和推广前景,可在短期气候预测业务中参考应用.     

支持向量机(SVM)方法在降水分类预测中的应用

支持向量学习机(SVM)是基于统计学习理论的模式分类器,将SVM方法应用于降水异常的分类预测中尚属首次。主要利用1958—2003年逐月的74个环流特征量、NINO 3,NINO 4海温指数、相关区域海平面气压、500 HPA、100HPA有关指数资料等,分别建立了四川盆地5片区降水距平百分率大于50%(特多)和小于-50%(特少)的2个SVM推理模型,并进行了降水分类预测试验和2005年1-3月实际预测,结果显示出所建SVM推理模型的Ts评分较高,具有一定的预测能力,展示了SVM的优越性和推广前景,可在短期气候预测业务中参考应用。     

基于支持向量机分类的图像识别研究

提出了利用支持向量机（SVM）分类的方法对采集图像进行识别。采用计算机图像处理技术针对棉花苗期杂草图像进行分割,提取棉花与杂草的形状特征参数;选取最有效的特征数据组合输入SVM进行分类学习训练,实现杂草的有效识别。结果表明,使用该方法获得的图像识别效率较高,在同等条件下,速度优于人工神经网络。     

城市空气质量评价中的模糊支持向量机方法

传统的评价方法不能处理带有模糊信息的城市空气质量的评价问题。基于结构风险最小化原则建立了带有模糊信息的支持向量分类模型和算法,在此基础上提出基于模糊支持向量机的城市空气质量评价方法;根据空气中的总悬浮颗粒物、二氧化硫、二氧化氮、空气综合污染指数4个指标,对我国50个主要城市2003年空气质量进行了综合评价,选择10个城市的评价结果进行了测试,结果表明:根据2003年数据采用本方法得到的邢台、张家口和沧州的空气污染指数与河北省环保专家提供的数据误差小于0.1;西宁、银川、乌鲁木齐、汕头、南京、大连、武汉的综合空气污染指数与国家环保总局提供的数据误差均小于0.5。     

基于支持向量机的大规模试卷识别方法

试卷识别是智能组卷系统中数据库建立的基础,如何正确有效地识别出试卷中的题干部分并将之入库是一 个尤为关键的问题.提出了基于SVM(supportvectormachine,支持向量机)的大规模试卷识别方法,该方法有效解 决了进行题干识别之前大量人工预处理工作的问题.根据SVM 原理,建立一个超平面,将试题文本分为两类——— 题序号和题干,并以题序号作为各题的起止点,进行试题识别.大量的实验显示,该方法具有可行性、有效性和适 应性.经测试,识别率达100%.     

基于平衡策略的支持向量机在电力系统中期负荷预测的应用

针对电力负荷中期预测比较困难并且存在较大误差的问题,提出了基于径向基核函数与基于平衡策略的Sequential minimal optimization(SMO)改进算法相结合的负荷中期预测方法,结合EUNITE网络提供的实际数据,研究了日最大负荷的前后期关系、日最大负荷与节假日的关系和当日与对应星期数的相关性,建立了相应的电力负荷中期预测模型。并对预测结果进行了分析。算例表明,该算法具有运算速度快、精度较高的优点。     

基于支持向量机的耕地地力综合评价研究

以德惠市为例,利用支持向量机建立一种新的耕地地力评价模型.在分析德惠市耕地地力等级评价因子的基础上,构建耕地地力综合评价指标体系,以此作为支持向量机的模型参数输入,并利用GIS技术使结果可视化.结果表明,基于支持向量机的土壤耕地地力综合评价模型具有良好的分级能力,评价结果与研究区的实测结果进行比较,两者较吻合,该方法可...     

支持向量机在地下水水质评价中的应用

【目的】针对地下水水质评价中影响因素的模糊性和各因素与评价等级之间的不确定性等问题,采用支持向量机模型进行地下水水质评价研究,改进地下水水质评价方式。【方法】应用非线性支持向量机模型中的分类支持向量机,选用Gauss核函数,以羊毛湾灌区部分水井的水质资料为研究对象,进行地下水水质评价,并利用综合指数法和BP人工神经网络法对评价结果进行验证。【结果】羊毛湾灌区水质评价结果显示,该区地下水资源已被污染,需要进行保护性开发。3种方法的评价结果较为相似,但相较于综合指数法,支持向量机计算速度较快,易于通过计算机实现;相较于标准BP人工神经网络模型,支持向量机的评价精度较高,收敛速度较快,且所需参数较少。【结论】支持向量机能将复杂的非线性问题转化为线性问题,从而有效地避免过学习问题,并且拥有极大的泛化能力和对小样本问题的处理能力,可有效提高地下水水质评价精度,简化评价过程,为地下水水质评价提供了一条新思路。     

支持向量机在农业水土领域的应用与研究进展

介绍了近年来国内支持向量机在水资源、农业领域、土地利用和水土流失的研究和应用情况,并对SVM方法在这些领域内的研究进行了归纳。此外,探讨了SVM在未来相关领域内的研究方向。     

SVM模型在森林火灾判断中的应用

根据支持向量机（SVM）原理,通过大兴安岭地区1990 ～ 2009年20年间森林火灾数据,得到该地区森林火灾预测模型,并利用此模型对2010 ～2012年3年间的火灾数据进行验证,发现总判对率为84.5％,着火案例判对率为81.4％,说明该回归模型较符合实际情况,具有较好的预测效果,能够为当地林业部门制定防火策略提供参考.     

基于GIS的区域地下水资源评价模型的应用

在对地理信息系统（GIS）技术进行介绍的基础上，综合阐述了国内外GIS技术在水资源评价中的应用。为模拟地下水动态特征和进行资源评价建立了基于GIS的具有地下水模拟功能的数学模型，并将其应用于四川攀枝花地区的地下水评价中。结果表明：该区地下水调蓄能力差，开采潜力不足。     

SVM方法及其在乳制品分类问题上的应用

介绍了支撑向量机（Support Vector Machine,SVM）方法的基本原理,针对乳制品分类问题,给出了一个SVM应用实例,并与其他机器学习方法作了比较。结果表明,SVM方法具有有效性和可行性。     

土地资源评价综述

土地资源评价是土地利用规划的重要依据。本文综述了近年来土地资源评价的类型及其应用,并作了简要的评析,最后总结了土地资源评价的影响及发展,提出指标体系标准化的建议。     

土地资源评价综述

土地资源评价是土地利用规划的重要依据。本文综述了近年来土地资源评价的类型及其应用,并作了简要的评析,最后总结了土地资源评价的影响及发展,提出指标体系标准化的建议。     

主分量分析法在水资源承载能力综合评价中的应用

根据主分量分析法的原理,建立了水资源承载力评价模型,并通过实例研究,验证了该评价方法的可行性。     

模糊模型识别在土壤资源评价制图中的应用

应用模糊模型识别的方法对水田土壤进行等级评定与制图,不仅可以排列出全部图斑的等级优劣顺序,而且可以评定所属等级,定量化地编制区域性土壤资源评价图.所以,它比模糊综合评判法更为合理,更为精确.     

水生植物资源及其在园林中的配置

水生植物由于其独特的生物学特性,在园林中应用日益广泛.水生植物可分为5大类:沉水植物、漂浮植物、浮水植物、挺水植物和滨水植物.对水生植物资源及其在园林应用中的配置艺术存在的问题等方面作了探讨,为水生植物在园林水景中的应用与推广提供依据.     

高校电子资源效益评价方法刍议

文章在对电子资源评估的研究成果进行调研的基础上,分析了现有电子资源评估方法的优势与不足,并给出了提高电子资源使用效益的建议。