基于遗传算法最小二乘支持向量机的耕地变化预测.pdfVIP

第25卷第7期 农业工程学报 、，01．25No．7 226 2009年7月 TransactionsoftheCSAE Jul．2009 基于遗传算法最小二乘支持向量机的耕地变化预测 张豪1，罗亦泳2，张立亭2，陈竹安2 (1．浙江工业大学建筑工程学院，杭州310032；2．东华理工大学长江学院，南昌330013) 摘要：针对耕地变化内部规律与模拟方法进行研究，提出最dx--乘支持向量机耕地变化预测方法，有效构建耕地变化 与耕地变化影响因子之间复杂的非线性关系模型。利用遗传算法全局寻优功能优化最小二乘支持向量机内部参数，提高 最小二乘支持向量机耕地变化预测模型精度。利用该模型对江苏无锡市1987--2000年期f’日j耕地变化进行预测，并与多元 远优于SVM预测模型，是一种有效的耕地变化预测方法。 关键词：最小二乘支持向量机，遗传算法，耕地预测，影响因子，精度分析 doi：10．3969／j．issn．1002—6819．2009．07．041 中图分类号：0241．5，F301．24 文献标识码：A 文章编号：1002—6819(2009)一7—0226—06 226--231． basedon andleast a1．Cultivatedland forecast ZhangHao，LuoYiyong，ZhangLiting，et change geneticalgorithm squares vector ofthe Chinesewith support Englishabs打ae0 machines[J]．TransactionsCSAE，2009，25(7)：226--231．(in 平滑法、马尔柯夫链和灰色理论等。这些方法不能充分 0引言 考虑到自然因素和社会因素对耕地总量影响的后效性，不 耕地是人类赖以生存的基本条件，是社会经济发展 能很好地分析和拟合高度非线性多因素的耕地变化系 的重要物质基础，是最为重要的农业自然资源。随着人 统，具有解释力不足的缺陷【2J。胡喜生提出基于BP神经 口规模扩大、社会经济的快速发展，特别是城市化、工 网络的福建省耕地预测模型【3】，较好地拟合耕地变化与自 业化进程的加速推进，中国建设用地规模迅速增加，耕 然社会经济因素之间的非线性关系。但是神经网络模型 地总量不断减少，人地矛盾将日益突出。与此同时，作 基于经验风险最小原则，容易陷入局部最优。本文针对 为一个农业人口占78％的农业大国来讲，中国国民生产 现有耕地预测模型不足进行分析研究，提出基于最小二 总值的72％直接或间接地来源于耕地，农民年平均收入 vector 乘支持向量机(1east machines，简 squaressupport 的60％以上都是由耕地来提供。然而，中国的耕地资源 称LS—SVM)的耕地变化预测模型，该模型基于结构风险 又相当有限，国七资源部发布的2006年度全国-十地利用最小原则，保证LS．SVM模型具有较好的拟合精度和推 变更调查结果报告显示，截至2006年10月31日，全国 广性能，很好地克服了传统方法的缺点，是一种很好地 耕地面积为1．218亿