自由搜索算法在便携式无线墒情综合监测仪预测墒情中的应用.docVIP

自由搜索算法在便携式无线墒情综合监测仪预测墒情中的应用 摘要 便携式无线墒情综合监测仪（BTZS-GPRS）作为土壤墒情监测的有效利器而得到广泛的应用。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，以及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 一、引言 Vapnik等人于1995年提出的支持向量机(Supportvectormachines，SVM)是在有限样本条件下对统计学习理论中的VC维和结构风险最小化原理的具体实现，与传统的机器学习方法比，SVM以结构风险最小化准则代替了传统的经验风险最小化准则，求解的是一个二次型寻优问题，从理论上说得到的将是全局最优点，解决了传统机器学习方法中无法避免的局部极值问题，表现出了很多优于已有机器学习方法的性能[1-2】．与Vapnik的支持向