| Elman、LS-SVM方法在ET0预测中的对比分析 |
| |
| 引用本文： | 李帅莹.Elman、LS-SVM方法在ET0预测中的对比分析[J].农业科技与装备,2011(6). |
| |
| 作者姓名： | 李帅莹 |
| |
| 作者单位： | 辽宁省水利水电勘测设计研究院,沈阳,110006 |
| |
| 摘 要： | 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.
|
| 关 键 词： | 参考作物腾发量 支持向量机 神经网络 LS-SVM Elman神经网络 |
Predicting Reference Evaportranspiration Based on Elman and LS-SVM |
| |
| LI Shuaiying.Predicting Reference Evaportranspiration Based on Elman and LS-SVM[J].Agricultural Science & Technology and Equipment,2011(6). |
| |
| Authors: | LI Shuaiying |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
