当前位置: 首页 > 文章 > 基于混沌-SVM-PSO的粮食产量预测方法研究 中国农机化学报 2019 (1) 179-183
Position: Home > Articles > Study on method for food yield prediction based on chaotic Theory-SVM-PSO Journal of Chinese Agricultural Mechanization 2019 (1) 179-183

基于混沌-SVM-PSO的粮食产量预测方法研究

作  者:
赵桂芝;赵华洋;李理;刘光宇
单  位:
内蒙古民族大学机械工程学院
关键词:
粮食产量预测;支持向量机;混沌理论;粒子群算法
摘  要:
针对粮食产量影响因素复杂、随机波动大等特点,对粮食产量预测问题展开研究。用混沌理论对原始样本进行相空间重构,确定最佳的嵌入维数和延迟时间。发挥粒子群算法全局搜索能力强的优点,用PSO算法优化SVM参数,避免人工选取参数的盲目性。以某省2004—2015年粮食产量预测为案例进行仿真试验,并将预测结果与灰色GM(1,1)模型进行对比。结果表明,本文所建模型对2014年、2015年粮食产量预测结果相对误差分别为-6.38%和2.07%,MAPE为4.22%,优于灰色GM(1,1)模型,具有较高的预测精度,从而验证所提方法的先进性和有效性。
译  名:
Study on method for food yield prediction based on chaotic Theory-SVM-PSO

相似文章

计量
文章访问数: 20
HTML全文浏览量: 0
PDF下载量: 1

所属期刊

推荐期刊