支持向量机回归的碳通量预测
如何根据影响因素较好地预测碳通量是许多环境监测者非常关注的问题.但至今尚无一种非常有效的预测模型,为此研究ε-支持向量回归机在碳通量预测中的具体应用,并与BP神经网络模型的预测结果做了比较,分析了两种方法在核函数及相关参数、网络结构、神经元数目选择方面各自不同的特点.实验结果表明,基于ε-支持向量回归机和BP神经网络模型的碳通量预测结果与碳通量实测值之间存在显著相关性.但ε-支持向量回归机方法的预测过程更易掌控,整体预测精度高于BP神经网络的精度.
ε-支持向量回归 碳通量 预测精度 环境监测
陈强 吴慕春 薛月菊 杨敬锋 刘国瑛
华南农业大学,工程学院,广州,510642
国内会议
哈尔滨
中文
235-238
2009-08-07(万方平台首次上网日期,不代表论文的发表时间)