排序方式： 共有5条查询结果，搜索用时 15 毫秒
1
1.
基于时间序列GA-SVR的水产品价格预测模型及验证 总被引：3，自引：2，他引：1
水产品价格的准确预测有助于合理规划水产养殖,正确引导水产行业的发展。根据水产品价格序列的非线性、非平稳和周期性特点,提出了一种基于时间序列遗传优化(genetic algorithm,GA)支持向量回归(support vector regression,SVR)的水产品价格预测模型。该模型首先通过时间序列分析方法对价格序列进行平稳性检验和确定相关阶数,得到训练数据集;再利用遗传算法对支持向量回归模型的参数组合进行寻优,使用优化后的参数建立支持向量回归模型,然后使用模型进行预测。分别选取桂鱼、基围虾、梭子蟹的价格数据对模型进行验证,选取2011-2014年的数据作为训练集,对2015年价格进行预测,结果表明:桂鱼、基围虾、梭子蟹的平均绝对误差分别为6.70%、7.82%、14.76%,均方根误差分别为5.853 1、23.701 1、13.858 0,且优于基于时间序列的SVR模型及BPANN模型的预测结果,可以为水产品价格的预测提供依据。 相似文献
2.
基于Web数据的农业网络信息自动采集与分类系统 总被引：3，自引：2，他引：1
为了快速、高效地获取农业Web信息,解决信息孤岛和信息不对称的问题,重点研究了农业Web数据自动采集与抽取、基于SVM(support vector machine)的文本分类、物联网异构数据采集等技术,并采用统一建模语言(unified modeling language,UML)描述了农业网络信息自动采集与分类系统。该系统实现了农业网站、物联网数据的自动抓取和共享,为用户提供农业资讯、农产品市场行情、供求信息在线查询,环境数据实时监测和个性化信息服务等功能。应用结果表明,该系统对样本集网站的信息抓取准确率为98.2%,资讯分类准确率为92.5%,具有数据采集实时性强、用户参与度好、通用性高等特点,该系统为农业信息整合和服务提供参考。 相似文献
3.
基于支持向量机的中文农业文本分类技术研究 总被引：1，自引：0，他引：1
高效地组织、分类信息,是提供个性化农业信息推荐服务的基础。根据农业文本信息特点,提出了一种基于线性支持向量机(Support vector machine,SVM)的中文农业文本分类模型,首先构建农业行业分类关键词库,通过特征词选择和权重计算,构建分类器模型,实现信息的自动分类。实验选取了1 071个测试文档,并按照种植业、林业、畜牧业、渔业进行分类。结果表明,分类准确率为96.5%,召回率为96.4%。实验结果高于贝叶斯、决策树、KNN、SMO等分类算法,将该模型应用于农业物联网行业信息综合服务平台,运行结果表明,该方法能够实现中文农业文本信息的自动分类,响应时间满足系统要求。 相似文献
4.
基于改进型支持度函数的畜禽养殖物联网数据融合方法 总被引：4，自引：4，他引：0
物联网技术已广泛应用在畜禽养殖中,针对畜禽养殖物联网中数据异常实时检测以及多源感知数据融合的需求,该文提出了一种畜禽养殖物联网数据融合模型。首先对传感器采集到的原始数据进行一致性检测,确保数据准确性;其次针对来自同类型传感器的多源同构数据,采用基于改进型支持度函数的加权算法进行数据融合处理,提高融合数据准确度;最后根据畜禽养殖物联网编码规则和数据组织格式,对畜禽养殖过程中的异构感知数据进行统一描述并转换为标准数据格式,为数据分析和应用提供数据基础。该文采用实际生产中的生猪养殖物联网数据进行试验,结果表明:在数据一致性检测阶段,异常数据检测率为96.67%,保证了数据质量;在多源同构数据融合计算中,该文提出的改进型支持度函数与高斯型、新型2种支持度函数相比融合方差最小,为0.192 5,能够有效提高数据融合准确度,满足畜禽养殖物联网数据分析要求。 相似文献
5.
畜禽养殖物联网由于工作环境恶劣、网络传输故障等因素容易产生异常感知数据,为保证数据质量,根据畜禽养殖物联网数据流周期性、时序性等特点,提出了一种基于滑动窗口与支持向量回归(Sliding window and support vector machines for regression,SW-SVR)的异常数据实时检测方法。首先根据畜禽物联网数据流特征周期以及采样频率确定滑动窗口尺寸;然后通过SVR模型预测畜禽养殖物联网数据流中某一时刻传感器测量值;最后计算预测区间,根据实际测量值是否落入该区间判断是否异常并对异常数据进行置换处理。采用畜禽养殖物联网环境数据进行试验,结果表明:所提滑动窗口计算方法得到的窗口尺寸预测的MAPE为0.188 4,畜禽养殖物联网异常数据检测率达98%,能够有效检测和处理畜禽养殖物联网数据流中的异常数据。 相似文献
1