《基于自由搜索的LS-SVM在墒情预测中的应用 Soil moisture content series prediction based on LS-SVM within free search》.pdfVIP

第30卷第2期 系统工程理论与实践 V01．30，No．2 2010年2月 SystemsEngineering—Theory＆PracticeFeb．，2010 中图分类号：$274．3 文献标志码：A 文章编号：1000-6788(2010)02-0201—06 基于自由搜索的LS．SVM在墒情预测中的应用 张展羽t，一，陈子平t，一，王斌3，李新虎·，2 (1．河海大学南方地区高效灌排与农业水土环境教育部重点实验室，南京210098；2．河海大学水利水电学院，南京210098； 3．东北农业大学水利与建筑学院，哈尔滨150030) 摘要为有效地利用墒情监测资料预测未来墒情，考虑支持向量机的结构风险最小化准则和自由 搜索算法良好的全局优化特点，应用最小二乘支持向量机方法，构造了优化目标函数，引入自由搜 索算法对该目标函数寻优从而辨识模型参数，建立了预测墒情的最小二乘支持向量机(LS—SVM)模 型．实例分析表明，支持向量机方法对墒情序列的平稳性要求不高，且模型易于实现，与传统的时间 序列模型以及基于粒子群算法和鱼群算法的LS—SVM模型相比，基于自由搜索算法的LS．SVM模 型具有较好的模拟及预测精度，相对误差小于15％的模拟值及预测值分别达到了100％和94．4％． 关键词时间序列分析；支持向量机；自由搜索；粒子群算法；鱼群算法 content Soilmoistureseries basedonLS--SVM prediction withinfreesearch ZHANG Xin-hul，2 Zhan-yul，-，CHENZi-pin91，一，WANGBin3，LI ofEfficient and Soil-WaterEnvironmentinSouthern of (1．KeyLaboratory Irrigation-DrainageAgricultural China，Ministry ofWater and Education，HohaiUniversity,Nmajing210098，China；2．CollegeConservancyHydropowerEngineering，Hohai ofWater and University,Nanjing210098，China；3．CollegeConservancyBuildingEngineering，NortheastAgricultural University,Harbin150030，China) AbstractBasedonthestructurerisk of vector the minimumcfitedon supportmachine(SVM)andglobal characteristicoffreesearch least to optimization appUed algorithm(FS)，thesquare-SVM(LS—SVM)is themodelfor the isusedto establ