基于遗传算法优化的支持向量机干旱预测模型

为了克服支持向量机参数人工选择的盲目性和依靠经验的缺陷,采用遗传算法优化支持向量机的C,g两个参数,实现支持向量机参数的优选,减少参数选择的工作量,并提高模型的预测精度。并将遗传算法优化的支持向量机模型应用到浑河流域干旱预测中,通过matlab编程建立该模型。以海城、大洼、辽阳、沈阳4个站的降雨量进行建模预测,结果表明:模型的预测值和真实值拟合度较高,模型的预测精度满足要求,说明该模型用于浑河流域的干旱预测具有可行性,为决策部门能及时有效地指导和部署抗旱工作、合理利用分配现有的水资源提供依据。     

灰色线性组合模型在涝灾预测中的应用

灰色线性组合模型由于在传统灰色预测模型的基础上加入了对数据的线性分析,在各个领域应用已较为广泛.应用灰色线性组合模型,以沈阳市1960～2006年的降雨量作为数据依据,建立模型对涝灾进行预测.结果表明:组合模型较好的拟合了预测灾变年,预测误差小于普通灰色预测模型,为涝灾预测增加了一种新方法.     

不同土壤水分能量及气象因子对水稻腾发量的影响

采用盆栽试验,探讨了不同土壤水分能量和气象因子对水稻腾发量的影响。在水稻的不同生育阶段进行不同程度的土壤水分能量调控,分析受控生育阶段水稻腾发量的变化及其对产量的影响,及受控生育阶段内腾发量的典型日变化规律;利用典型日内充分供水条件下的腾发量数据及相应时段的气象资料,通过逐步回归建立了多元线性回归模型。结果表明:不同生育阶段土壤水分能量调控,对水稻腾发量影响趋势相同,但对产量影响趋势不同;晴天时各处理腾发量强度曲线呈明显的单峰变化,阴天时则无明显规律;诸气象因子中总辐射强度、相对湿度和风速进入了逐步回归模型。在气象因子相同的情况下,腾发量的大小由各处理的土壤水分能量大小决定;相同土壤水分能量下,在水稻腾发量中起主要作用的气象因子是辐射强度、相对湿度和风速。