漓江含沙量预测及侵蚀坡面径流调控模式研究

为了探讨漓江含沙量变化及其流域内侵蚀坡面径流的调控对策,通过运用最小二乘支持向量机(LS-SVM)理论对漓江含沙量进行了预测,并依据漓江流域侵蚀坡面的类型、分布和侵蚀特征,分析研究了适用于漓江流域侵蚀坡面径流调控的技术方法。研究结果表明:基于LS-SVM所构建的预测模型能较准确快速的预测漓江含沙量;提出的4种径流调控技术模式具有分流、截沙、储水灌溉的生态功能,适用性强,对增强侵蚀坡面水土保持,解决漓江降沙减沙,缓解漓江生态环境压力具有重要的参考意义。     

Elman、LS-SVM方法在ET0预测中的对比分析

参考作物腾发量(Eto)是估算作物腾发量的关键参数,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.Elman神经网络是BP网络的改进结构,具有适应时变性的特点;最小二乘支持向量机(LS-SVM)是支持向量机(SVM)的一种优化算法,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.将两种方法应用于参考作物腾发量预测中,并以铁岭市为例,对比分析LS-SVM模型与Elman模型的预测值.结果表明:LS-SVM模型学习速度快,具有比Elman模型更高的模拟性能和预测精度,更适合参考作物腾发量的预测.     

考虑季节因子的支持向量机径流预测模型

基于河川径流月时段具有非平稳季节性的特征,构建支持向量机的季节性样本,建立水库入库径流的季节性支持向量机预测模型。以三峡水库1950~2006年的入库径流系列为训练样本,利用季节性支持向量机预测模型对三峡水库2007~2009年的月径流量进行预测。将此预测结果与BP神经网络模型和标准支持向量机模型预测结果进行指标分析,结论显示季节性支持向量机径流预测模型准确度更高,可以用于水库入库径流的预测。     

基于可见/近红外光谱谱区有效波长的梨品种鉴别

基于最小二乘支持向量机(LS-SVM)建模方法,提出应用梨在可见/近红外光谱谱区的有效波长(EW)进行其品种鉴别的新方法.用210个样本作为建模定标集,30个样本进行预测.根据偏最小二乘法分析载荷图和回归系数图选择鉴别梨品种的有效波长,并建立EW与最小二乘支持向量机相结合的EW-LS-SVM模型,同时与应用逆反馈人工神经网络(BP-ANN)建立的EW-BP-ANN模型进行判别准确率的比较.结果表明,应用LS-SVM和BP-ANN建立的模型对建模样本和预测集样本的判别准确率分别为100％和93.3％.研究表明,应用EW-LS-SVM模型进行梨品种鉴别是可行的.     

基于遗传算法近红外光谱检测土壤养分的研究

利用可见/短波近红外光谱(Vis/SW-NIRS)分析测量土壤速效氮(N)和速效钾(K)。探讨遗传算法在分析测量土壤养分上的应用,根据优化结果采用最小二乘支持向量机(LS-SVM)方法建立校正模型。结果表明,LS-SVM模型优于PLS模型;GA-LS-SVM模型预测速效氮的精度较高。基于遗传算法可见/短波近红外光谱利用LS-SVM建模,可以作为一种土壤理化性质的测定方法。     

最小二乘支持向量机模型在径流预报中的应用

为解决径流中长期预报模型精度较低的问题,提出了一种基于混沌时间序列的最小二乘支持向量机预测方法,该方法依据相空间重构技术以及最小二乘支持向量机模型(以下简称LS_SVM)。利用该模型对黄河三门峡1919-1989年的71年实测年径流量进行预测。经过反复计算分析表明LS_SVM模型在径流中的应用具有较快的计算速度、较好的泛化能力以及较高的预测精度。     

基于多元校正法的香梨糖度可见/近红外光谱检测

应用可见/近红外光谱透射技术结合多元校正法探讨了样品在不同温度条件(5、10、15、20℃)下香梨糖度的快速无损检测。在波长500~900nm范围内,用逐步多元线性回归(SMLR)、偏最小二乘法(PLS)、最小二乘支持向量机(LS-SVM1、LS-SVM2)和遗传算法-偏最小二乘法(GA-PLS)等多种多元校正法进行了建模预测比较研究。预测结果从优到差依次为LS-SVM2、LS-SVM1、GA-PLS、PLS、SMLR。     

基于高光谱成像技术的鲜食核桃仁水分检测研究

为实现对货架期内青皮核桃仁水分的快速预测,利用高光谱成像技术采集货架期核桃青皮光谱数据,测定核桃仁含水量,利用连续投影法(SPA)提取11 个特征波长,建立了偏最小二乘法(PLS)、多元线性回归(MLR)和最小二乘支持向量机(LS-SVM)模型.结果表明,LS-SVM建模效果最好,预测集的相关系数Rp= 0.800 7...     

Elman、LS-SVM方法在ET_0预测中的对比分析

参考作物腾发量（ET0）是估算作物腾发量的关键参数,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。Elman神经网络是BP网络的改进结构,具有适应时变性的特点;最小二乘支持向量机（LS-SVM）是支持向量机（SVM）的一种优化算法,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。将两种方法应用于参考作物腾发量预测中,并以铁岭市为例,对比分析LS-SVM模型与Elman模型的预测值。结果表明：LS-SVM模型学习速度快,具有比Elman模型更高的模拟性能和预测精度,更适合参考作物腾发量的预测。     

近红外漫反射光谱检测土壤有机质和速效N的研究

利用近红外漫反射光谱检测技术对土壤有机质和速效N含量进行了相关研究。通过自行设计的NIR光谱系统测定了150个土壤样品有机质和速效N。126个土壤样品用来建立校正集模型,其余24个用来验证模型的性能。采集完整土壤样品的近红外漫反射光谱,原始光谱经移动窗口平滑处理、SNV和一阶微分预处理后,分别采用最小二乘支持向量机(LS-SVM)和偏最小二乘法(PLS),建立土壤有机质和速效N含量的定量预测数学模型。结果表明采用一阶微分结合最小二乘支持向量机(LS-SVM)所建模型的预测效果较好,土壤有机质和速效N含量定量预测数学模型的决定系数分别为0.8255和0.8015,均方根误差分别为2.84和16.80。近红外漫反射光谱作为一种检测方法,可用于评价土壤有机质和速效N含量。