共查询到18条相似文献，搜索用时 233 毫秒
1.
基于遗传算法最小二乘支持向量机的耕地变化预测 总被引：19，自引：10，他引：9
针对耕地变化内部规律与模拟方法进行研究,提出最小二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年期间耕地变化进行预测,并与多元回归、GM(1,1)、BP网络、支持向量机（SVM）耕地预测模型和实际调查耕地变化数据进行比较分析。预测精度评价结果证实,该方法耕地预测精度远高于多元回归、GM(1,1),BP网络模型,略高于SVM模型,但算法复杂度和计算效率远优于SVM预测模型,是一种有效的耕地变化预测方法。 相似文献
2.
材积模型是编制立木材积表的关键,通常用经验材积方程来预测材积量。由于树木生长具有不确定性,传统的材积方程很难有效地对模型的复杂性和多样性做出测算,导致目前活立木材积测算的准确率较低。为了提高活立木材积的测算准确率,将粒子群（particle swarm optimization,PSO）算法引入到活立木材积模型中,并用支持向量回归机（support vector machine,SVM）优化参数。PSO-SVM将活立木胸径和树高数据输入到SVM中学习,将SVM参数作为PSO中的粒子,把活立木实测材积值作为PSO的目标函数,然后通过粒子之间相互协作得到 SVM 最优参数,对活立木测算材积值进行模型测算并采用实测材积值验证。论文应用电子经纬仪与人工量测立木地径、胸径相结合的方法,通过软件计算求得400组树高、树干材积值;然后对300组数据集以活立木胸径和树高作为输入数据,材积为输出数据,采用粒子群耦合支持向量机（PSO-SVM）算法训练得到模型,并用100组数据进行预测;最后引用经典Spurr材积模型算法、BP神经网络算法和PSO-SVM算法进行了对比,其结果表明,PSO-SVM算法预测准确率最高,预测值与实测值间复相关系数达0.91,平均误差率为0.58%。 相似文献
3.
为提高耕地土壤重金属含量高光谱反演模型精度,以岳阳县某地区耕地土壤重金属铁（Fe）、砷（As）、铬（Cr）为例,提出了一种遗传算法（GA）优化支持向量机（SVM）的重金属含量反演模型。在对光谱进行SG平滑和10 nm重采样后,利用一阶/二阶微分、倒数对数和连续统去除光谱变换方法增强光谱特征,通过相关性分析筛选最优变换光谱,使用皮尔森相关系数与主成分分析提取各重金属光谱特征变量,分别建立SVM和GA-SVM土壤重金属高光谱反演模型并进行精度验证。结果表明,二阶微分变换光谱与各重金属含量相关性整体最突出;三种重金属在可见光波段490 nm、500 nm、510 nm和530 nm具有共同敏感特征;经GA算法优化SVM参数后,对比SVM回归模型,预测精度有明显提高,其重金属Fe、As和Cr的验证集R2分别为0.968、0.821和0.976;研究结果可为应用遥感技术反演耕地土壤重金属含量提供新的参考。 相似文献
4.
不同坡度黄土微地形条件下SCS-CN模型参数研究 总被引：2，自引：0，他引：2
基于自然降雨数据研究径流曲线数（SCS-CN）模型参数难以排除坡度的干扰,从而影响模型计算径流量的精度。为了准确探究黄土微地形条件下不同坡度（5°,15°,25°）对模型的初损率（λ）和径流曲线系数（CN）的影响及其变化规律,从而为后续SCS-CN模型参数研究提供科学依据和优化径流预测模型。通过开展人工降雨试验（90 mm/h雨强、人工掏挖耕作）,探究黄土微地形不同坡度下SCS-CN模型的λ值和CN值。结果表明5°坡度下,λ=0.2,CN=75.58时模拟效果最佳;15°坡度下,λ=0.15,CN=77.28时模拟效果最佳;25°坡度下,λ=0.1,CN=72.91时模型的模拟效果最佳。λ=0.2这一标准参数值不能满足不同坡度条件下的径流模拟,且随着坡度增加呈现显著的递减趋势。 相似文献
5.
基于Google Earth Engine和机器学习的耕地土壤有机质含量预测 总被引：2，自引：2，他引：0
土壤有机质含量是耕地质量定级的依据,是耕地质量评价的核心内容之一,因此,精准高效地获取土壤有机质含量非常重要。高分辨率遥感技术和谷歌地球引擎（Google Earth Engine,GEE）云计算平台的出现,为土壤有机质的高效反演提供了新的途径和方法。该研究以藁城区的Sentinel-2A MSI数据和Landsat8 OLI 数据为主要的数据源,结合Sentinel-1 SAR数据、ECMWF/ERA5气象数据和USGS/SRTMGL1_003高程数据,分别采用随机森林（Random Forest,RF）、梯度升级树（Gradient Boosting Decision Tree,GBDT）和支持向量机（Support Vector Machine,SVM）算法,在GEE平台对藁城耕地土壤有机质含量进行反演。结果表明：1）基于Sentinel-2A建立的模型（模型A*）在预测SOM含量方面优于基于Landsat8建立的模型（模型B*）,GDBT算法下的Sentinel-2A的全变量模型取得了最佳结果（R2=0.759,RMSE= 2.852 g/kg）;2）模型A-1对比模型A-0增加了红边波段,模型A-1比模型A-0提高了9.752%;3）从不同的预测算法来看,GDBT算法能较好地适用于研究区的土壤有机质预测,GDBT算法、Sentinel-2A与GEE的结合是SOM预测制图的一种有效方法。 相似文献
6.
为了提高股票价格预测精度,提出一种改进支持向量机的股票价格预测模型。该模型利用粒子群算法的全局寻优能力对支持向量机参数进行优化,以提高股票价格的预测精度,采用具体股票价格数据对模型性能进行测试。结果表明,改进支持向量机能够对股票价变化趋势进行预测,是一种有效、高精度的股票价格预测模型。 相似文献
7.
为提高土壤墒情预测精度,提出了一种基于遗传算法（GA）、改进粒子群算法（IPSO）、误差反向传播（BP）神经网络和支持向量机（SVM）的土壤墒情组合预测模型（GA_IPSO_BP-SVM）。该模型首先在BP神经网络的权阈值选择中同时引入GA和IPSO构成GA_IPSO_BP模型,然后对GA_IPSO_BP和SVM模型分别进行训练和数据仿真,最后利用建立的加权模型对GA_IPSO_BP和SVM模型的土壤墒情预测结果进行组合。以安庆市8个监测站某时段内农田土壤墒情数据为例,分别按隔日、两日后和三日后三种时间跨度进行土壤墒情预测,并对照BP、GA-BP、PSO-BP、IPSO-BP、GA_IPSO_BP和SVM模型,验证和比较提出的GA_IPSO_BP-SVM模型的土壤墒情预测精度。结果表明,GA_IPSO_BP-SVM模型的土壤含水量预测相对误差平均值最小。GA_IPSO_BP与SVM模型组合的GA_IPSO_BP-SVM模型提高了土壤墒情的预测精度,更适合于土壤墒情的短期预测,该方法可为农业节水灌溉方案的制定提供技术支撑。 相似文献
8.
基于细菌觅食优化算法的支持向量机在土壤墒情预测中的应用 总被引：1，自引：0，他引：1
[目的]对基于细菌觅食优化算法的支持向量机在土壤墒情预测中的应用进行探讨,为现代农业研究中土壤墒情预测及农业生产提供支持。[方法]基于支持向量回归机方法建立土壤墒情预测模型,利用细菌觅食优化算法优化支持向量机预测模型的相关参数。根据从种植区采集的田间数据对模型进行建模和测试。[结果]与仅利用支持向量回归机和利用粒子群优化的支持向量回归机分别建立的模型进行对比,发现本研究所提算法建立的预测模型的预测效果更佳。[结论]该模型预测效果较好,所建模型已应用于实际项目,预测精度基本满足要求,且运行稳定。进而证明了该研究所提算法的有效性和可行性。 相似文献
9.
基于近红外光谱和支持向量机的土壤参数预测 总被引：7，自引：5，他引：2
应用支持向量机算法对实时土壤光谱数据进行处理,获得了土壤全氮和有机质的回归模型并研究了模型随参数变化的规律。从中国农业大学试验田采集了150个土样,用光谱仪获取了原始土壤样本的近红外光谱,用实验室分析法获取了各样本的全氮和有机质含量。以近红外光谱数据为自变量对2个土壤参数进行了回归建模并评价了算法各参数对模型的影响。研究表明土壤参数适合于全谱支持向量回归。对于土壤全氮,基于小波降噪NIR光谱的SVM回归模型的标定R2为0.9224,验证R2为0.3667;对于土壤有机质,基于原始NIR光谱的SVM回归模型 相似文献
10.
高程梯度指高程在平面坐标中x和y两个方向上的变化率。在坡度算法θ=（p2+q2）/2中分别用p和q表示,因为高程梯度p和q算法的不同而衍生出多种坡度算法,因此对p,q算法性质和精度的研究是坡度算法精度评价的基础。选取陕西省绥德县、秦岭、黑龙江省拜泉县的三个样区,基于7种不同算法计算了高程梯度（p和q）,并对其统计分布特征、空间结构特征、p和q相互关系、算法稳定性与不确定性等进行了分析。结果表明:（1）p和q均值为零,相互独立,方差相等,呈正态分布;（2）各种算法均能表现局地结构和样区之间的差异;（3）从算法稳定性、精度等方面看,Evans-Young算法,特别是经过Shary改进的Evans-Young算法的效果最佳。 相似文献
11.
叶绿素含量是研究大豆光合作用的重要生理指标,对大豆产量和品质具有重要影响,因此,进行叶绿素含量和光合功能的同步分析具有重要意义。本研究以鼓粒期大豆叶片为研究对象,对63个样本的叶绿素含量和荧光参数进行相关分析,建立回归模型,并用28个样本验证集进行验证及评价。结果表明,可变荧光与初始荧光比(Fv/Fo)、最大光化学效率(φPO)、初始时间点活性反应中心捕获的单个激子驱动除QA外的电子传递的效率(ψEO)、初始时间点用于电子传递的量子产额(φEO)、t=tFM时单位面积内电子传递的量子产额(ETO/CSM)、性能指数(PIABS)、J点相对可变荧光(VJ)7个荧光参数与叶绿素含量相关性较好,相关系数分别为0.78、0.76、0.75、0.80、0.82、0.77、-0.75。回归模型方程为y=-0.138x1+ 2.154x2+0.002x3+0.077x4+0.076(R2=0.694)(x1、x2、x3、x4和y分别为Fv/Fo、φPO、ETO/CSM、 PIABS和叶绿素含量),验证模型决定系数(R2)=0.805 8,均方根误差(RMSE)=0.293 4,预测残差(RPD)=1.773 8,该模型具有较好的预测效果,可以丰富非生物逆境胁迫下无损监测大豆叶绿素估算方法。回归和通径分析发现,ETO/CSM对叶绿素含量直接作用最大,φPO次之,Fv/Fo对叶绿素含量起直接负作用,PIABS直接作用最小,直接通径系数分别为0.706、0.382、-0.303、0.078。本研究实现了大豆叶绿素含量与光合功能的同步分析,明确了荧光参数对叶绿素含量的影响效应,可为调节栽培措施,实现大豆高产提供理论基础。 相似文献
12.
黄淮海平原城镇化对耕地变化影响的差异性分析 总被引：6，自引：7，他引：6
为了有效保护耕地资源,该文通过研究城镇化进程与耕地变化的内在联系,揭示不同城镇化进程的差异化规律。采用土地利用变化分析方法,对黄淮海平原1997-2008年城镇化进程中耕地的数量和质量变化进行分析;选取4类城镇化指标（人口城镇化指标、空间城镇化指标、经济城镇化指标、生活方式城镇化指标）,构建城镇化对耕地变化的驱动力模型;运用主成分分析法和多元回归模型,对研究区城镇化进程中耕地变化的差异性特点进行分析。研究结果表明,人口城镇化驱动因子、空间城镇化驱动因子对研究区影响显著,而经济城镇化驱动因子和生活方式城镇化驱动因子因各研究区域所处城镇化阶段和发展特点而呈现不同规律。该文以数据分析和实证对比为中国城镇化的可持续发展提供政策建议：城镇化的发展完全可以适时适度推进,避免大量占用耕地牺牲粮食安全和生态环境;产业拉动、用地集约、环境友好的新型城镇化发展模式是城镇化健康发展的明智选择;城镇化的发展应与产业政策和产业规划紧密衔接,通过优化用地布局,既发展经济又保护耕地和生态环境,从而真正促进城镇化的和谐发展。 相似文献
13.
基于随机森林算法的耕地面积预测及影响因素重要性分析——以甘肃省庆阳市为例 总被引：3，自引：2，他引：1
[目的]分析耕地面积变化影响因素的重要性,以便科学预测耕地资源数量,为保护耕地资源服务。[方法]以属于黄土高原地区的甘肃省庆阳市为例,尝试采用随机森林算法构建耕地面积预测模型,与BP神经网络模型的预测结果进行对比,并对耕地面积变化影响因素重要性进行排序。[结果]随机森林算法预测结果的相对误差和均方根误差均小于BP神经网络的,预测精度高,结果稳定。它预测出2020,2025,2030年的耕地面积分别为4.515×10~5,4.513×10~5,4.512×10~5 hm~2,呈现减少的趋势;主要影响因素重要程度排序为:农业机械总动力农业人口地区生产总值固定资产投资额。[结论]随机森林算法适合于耕地面积预测,且能够测度耕地面积变化影响因素的重要程度。 相似文献
14.
土壤侵蚀一直是环境问题中的重点和难点。由于影响土壤侵蚀的因素众多,传统的预测模型存在数据获取困难、适用范围小、研究周期长等不足,使得对土壤侵蚀的预测无法做到快速、便捷。支持向量机(Support Vector Machine,SVM)是机器学习中的一个重要模型,具有非线性映射、自我学习能力、全局最小值、对输入数据变化不敏感等优点,在建立土壤侵蚀量相关性预测模型方面较传统预测模型具有更强的优势。本研究应用浙江省诸暨市浦阳江水文站的降雨数据,利用ArcGIS地理信息系统确定水文站上游流域为研究区域。以降雨量、研究区域地理数据维度(包括坡度数据、坡长数据、土壤信息、土地利用类型)作为影响因子,输入支持向量机模型,进行流域内土壤侵蚀量预测。将水文站土壤侵蚀量实测数据作为对照值,用模型输出值检验,从而在取值范围内选择出模型最优的参数组。用影响因子数据和土壤侵蚀量数据对使用最优参数的模型进行检验,模型的预测准确率最高达到75%。其中,降雨量对土壤侵蚀量的影响最大,降雨量单因子预测准确率在70%以上,其余因子预测准确率在3.5%左右。最终得到一个土壤侵蚀量相关性预测模型,通过水文站降雨数据以及地理信息,即可预测当地土壤侵蚀量,准确率达到75%。 相似文献
15.
为探究稳定同位素在黑木耳产地溯源中的可行性,本研究从东北(黑龙江、吉林、辽宁)、浙江产地采集74份代表性黑木耳样品,从新疆采集11份代表性黑木耳样品作为外部验证,采用元素分析-稳定同位素比率质谱仪测定δ13C、δ15N、δ2H、δ18O值,结合化学计量学方法进行产地溯源判定。结果表明,东北黑木耳δ13C、δ15N、δ2H、δ18O值分别为-24.5‰～-22.7‰、-0.9‰～3.1‰、-62.2‰～-34.6‰、15.9‰～19.4‰;浙江黑木耳δ13C、δ15N、δ2H、δ18O值分别为-26.2‰～-24.5‰、-0.9‰～1.2‰、-24.9‰～-9.0‰、19.9‰～22.2‰,两产地黑木耳δ15N值差异不显著(P>0.05),δ13C、δ2H和... 相似文献
16.
东北黑土区耕地系统变化机理 总被引：4，自引：3，他引：1
耕地系统变化直接影响耕地生产能力和国家粮食安全。该研究以东北黑土区典型地域克山县为研究区,重构耕地系统的科学内涵,运用GIS、RS手段和Matlab计算机编程,采用地理探测器模型,识别研究区1986年、2010年和2018年耕地系统变化关键影响因子,测算关键影响因子、各因子间交互作用对耕地系统变化的作用关系,揭示研究区耕地系统变化机理。结果表明:1)耕地系统是具有长、宽、高的有机立体空间,在一定范围内是所有要素综合作用结果,同时它受周围环境影响与垂直方向、水平方向因子共同形成一个微生态环境。2)1986年、2010年和2018年影响耕地系统变化的关键影响因子分别为5个、8个和6个。1986—2018年不同时期耕地系统变化均受系统内部因子作用的影响,随着时间推移,水平方向作用因子对耕地系统变化的影响逐年加强,垂直方向作用因子的影响减弱,表现为影响耕地系统变化程度的关键影响因子由自然要素为主,转向自然与人类活动因素的双重影响。其他因子影响相对较弱。3)1986—2018年不同时期耕地系统内部影响因子与垂直和水平方向的其他因子交互作用对耕地系统变化的影响均为最大,水平方向与垂直方向的交互作用在研究期间影响的显著性显化程度不同。与关键单一因子对耕地系统的影响相比,因子间交互作用后对研究区耕地系统变化空间分异的解释能力明显高于单一因子对其作用,具体表现为双因子增强或非线性增强的特征。研究结果较好地反映了不同时期耕地系统变化空间分异的各因素单一和交互作用关系,为保护耕地和保障粮食安全提供了科学依据。 相似文献
17.
研究快速城市化地区土地利用结构的变化并预测其未来发展趋势,可以为区域土地合理利用与配置提供参考。利用Logistic-CA-Markov耦合模型研究无锡市2000—2010年的土地利用结构变化,探讨其驱动因子,并区分目前趋势发展、生态环境保护和综合发展3种情景,对研究区2020年土地利用结构进行模拟和预测。结果表明,10 a间无锡市建设用地增加了近一倍,主要来源于耕地;目前趋势发展情景下建设用地扩张仍明显,生态环境保护情景下建设用地不再增加,而综合发展情景下建设用地略有增加,耕地等地类减少不明显。对于无锡市这样的快速城市化地区而言,综合发展情景的模拟结果是比较理想的。 相似文献
18.
为探究延河流域土地利用演变规律及未来空间格局分布,基于延河流域1986年、2000年和2010年3期土地利用数据,利用土地利用空间转移动态图及土地利用转移面积矩阵等方法,分析了延河流域1986—2010年土地利用/覆被变化的时空规律; 运用Logistic-CA-Markov模型和MCE-CA-Markov模型分别预测了2030年延河流域土地利用空间格局,并对模拟结果进行了对比分析。结果表明:延河流域1986—2010年耕地降幅最为明显,减少了557.10 km2,主要转为草地、林地和建设用地; 林地和草地面积持续增加,建设用地扩张迅速,分别增加了378.34,136.97,48.17 km2,水域及未利用地面积总体变化不大,生态恢复政策是影响延河流域土地利用变化的主要因子。Logistic-CA-Markov预测得到的2030年延河流域耕地和草地减少明显,建设用地和林地则增幅较大,流域经济发展需求较高,这种情况下应准确把握地区经济发展与资源利用的关系,根据区域特点因地制宜制定适合当地发展的政策。而MCE-CA-Markov预测得到的2030年延河流域耕地、林地、水域及建设用地均有增加,且耕地增幅最明显,这种利用结构表明流域经济发展相对较缓,实现了对流域环境的保护,但应积极探索土地利用新结构,最大限度发挥资源优势,从而实现流域经济与环境的可持续性发展。 相似文献