基于支持向量机的标准农田地力等级评价.PDFVIP

第49卷 第5期 土摇 壤摇 学摇 报 Vol郾49,No郾5 2012年9月 ACTA PEDOLOGICA SINICA 摇 摇 Sep. ,2012 基于支持向量机的标准农田地力等级评价 ———以浙江省温州市鹿城区为例 1覮 2 赖红松 摇 吴次芳 (1浙江省温州市国土资源局,浙江温州摇 325027) (2 浙江大学公共管理学院,杭州摇 310029) 摇 摇 摘摇 要摇 摇 提出了一种基于支持向量机(SVM)的标准农田地力等级评价方法,并给出了遗传算法鄄模拟 退火(GASA)优化SVM参数算法。 该方法首先在确定标准农田地力等级评价指标的基础上,利用地力调查 样本数据及传统的指数和法评价结果构造SVM样本集,然后运用GASA优化SVM参数算法训练SVM,建立 标准农田地力等级的SVM评价模型。 应用该方法对温州市鹿城区标准农田地力等级进行了评价,结果为:2 2 级田和3级田分别占测试样本代表标准农田总面积(115郾7 hm )的45郾04%和54郾96%,该方法的评价正确率 为100%。 应用BP神经网络法对测试样本进行评价,其评价正确率为90%。 结果表明,SVM用于标准农田 地力等级评价,具有比BP神经网络更高的评价精度,可有效用于标准农田地力等级评价,为耕地地力评价提 供了新方法。 关键词摇 摇 耕地地力评价;标准农田;支持向量机;鹿城区 中图分类号摇 摇 S158;TP18摇 摇 摇 摇 文献标识码摇 摇 A 摇 摇 标准农田是通过土地整治、农业综合开发等方法, 的缺陷[12鄄13]。 支持向量机(Support Vector Machine, [14] 对基本农田保护区内农田实施土地平整和田间水利 SVM) 是于 20 世纪 90 年代中期由 Vladimir 设施、田间道路、田间防护林、地力培育等综合建设, N郾Vapnik等提出的,基于统计学习理论的一种新的 建成的田成方、渠相通、路相连,林成网、灌得进、排得 机器学习方法。 它通过寻求结构风险最小化来实 出的高产稳产的优质基本农田,是耕地中的精华,是 现经验风险最小化,较好地解决了神经网络的固有 [1鄄2] 问题,已被成功应用于模式识别、回归分析、时序预 现代农业发展的基础 。 标准农田地力等级评价是 加强标准农田质量建设的基础,是制订标准农田保 测等领域[15鄄17]。 与其他学习算法一样,SVM 的性能 护、培肥、改良、利用规划的主要科学依据,是推进标 依赖于学习机的参数,但是,目前 SVM参数的选择 准农田土壤改良,确保粮食生产能力的重要举措。 主要依靠经验和试算,还没有指导SVM参数选择的 随着计算机和信息技术的发展,近年来,国内 好方法。 本文提出基于SVM标准农田地力等级评 外利用地理信息系统技术,采用数值法进行耕地地 价方法,同时针对 SVM参数的选择问题,利用遗传 [2鄄10] [18] 力评价研究较多,如指数和法 和人工神经网络 算法(Genetic Algorithms,GA) 的并行搜索结构 [11]