摘要
应用支持向量机(SVM)的算法进行中国大豆产量的预测研究,用1991-2008年中国大豆数据组成样本集,建立影响因素与大豆产量之间的SVM模型.利用SVM对输入和输出数据进行训练学习,逼近历史数据所隐含的函数关系,完成对新数据序列的映射关系,从而完成对未来年份大豆的预测,并与其它几种方法的预测效果进行比较.结果表明,SVM预测模型预测大豆产量的精度优于其它预测方法.
This paper uses the support vector machine （SVM） algorithm to study the prediction of China＇s soybean yield, forms the sample set with the 1991-2008 data in China, and set up the SVM model between factors and soybean yield. Use SVM on the input and output data for training and learning, approximate the implied function relationship by historical data, complete the mapping of the new data Series, in order to complete the soybean yield prediction for future years, and compare the prediction effects with other methods. The results show that, the prediction accuracy of soybean yield of the SVM model is superior to other prediction methods.
出处
《数学的实践与认识》
CSCD
北大核心
2011年第18期144-149,共6页
Mathematics in Practice and Theory
基金
黑龙江省教育厅重点项目(1153LZ10)
教育部人文社会科学研究项目(08JA790016)
黑龙江省博士后科研启动金(LBH-Q08128)
中国科学院知识创新工程重大项目"耕地保育与持续高效现代农业试点工程"项目
关键词
大豆产量
支持向量机
预测
soybean yield
support vector machine
prediction
