扬州大学学报（农业与生命科学版）
颺州大學學報（農業與生命科學版）
양주대학학보（농업여생명과학판）
JOURNAL OF YANGZHOU UNIVERSITY(AGRICULTURAL AND LIFE SCIENCE EDITION)
2012年
3期
44-50
,共7页
乌玲瑛%徐奂%蔡喨喨%严力蛟
烏玲瑛%徐奐%蔡喨喨%嚴力蛟
오령영%서환%채량량%엄력교
水稻%发育期模型%支持向量机(SVM)
水稻%髮育期模型%支持嚮量機(SVM)
수도%발육기모형%지지향량궤(SVM)
采用机器学习中的支持向量机(SVM)方法,建立以适应区域尺度生产指导为目的的水稻发育期预测模型.通过整合水稻发育期数据和气象数据,构建训练集与测试集,并应用SVM算法建立针对5个不同发育阶段,应用2种不同样本构建方法的10个发育期预测模型.对其逐一进行评估,最终挑选出具有最佳预测效果的模型作为研究成果.结果表明:采用第1类样本(提前150 d的样本)生成策略的5个发育期模型,其预测精度均大于80％,甚至达到95％的水平；而采用第2类样本(提前30 d的样本)生成策略的5个发育期模型,其精度普遍在80％左右.与此同时,对这2种样本构建方法分别进行了敏感性及假阳性比较.结果表明:虽前者敏感性高于后者,但其假阳性也高,预测误差在9d左右,而第2类样本的预测误差则能控制在4～5 d内,更符合模型构建的要求.采用第2类样本生成策略进行发育期模型的研究可获得更准确的预测结果.
採用機器學習中的支持嚮量機(SVM)方法,建立以適應區域呎度生產指導為目的的水稻髮育期預測模型.通過整閤水稻髮育期數據和氣象數據,構建訓練集與測試集,併應用SVM算法建立針對5箇不同髮育階段,應用2種不同樣本構建方法的10箇髮育期預測模型.對其逐一進行評估,最終挑選齣具有最佳預測效果的模型作為研究成果.結果錶明:採用第1類樣本(提前150 d的樣本)生成策略的5箇髮育期模型,其預測精度均大于80％,甚至達到95％的水平；而採用第2類樣本(提前30 d的樣本)生成策略的5箇髮育期模型,其精度普遍在80％左右.與此同時,對這2種樣本構建方法分彆進行瞭敏感性及假暘性比較.結果錶明:雖前者敏感性高于後者,但其假暘性也高,預測誤差在9d左右,而第2類樣本的預測誤差則能控製在4～5 d內,更符閤模型構建的要求.採用第2類樣本生成策略進行髮育期模型的研究可穫得更準確的預測結果.
채용궤기학습중적지지향량궤(SVM)방법,건립이괄응구역척도생산지도위목적적수도발육기예측모형.통과정합수도발육기수거화기상수거,구건훈련집여측시집,병응용SVM산법건립침대5개불동발육계단,응용2충불동양본구건방법적10개발육기예측모형.대기축일진행평고,최종도선출구유최가예측효과적모형작위연구성과.결과표명:채용제1류양본(제전150 d적양본)생성책략적5개발육기모형,기예측정도균대우80％,심지체도95％적수평；이채용제2류양본(제전30 d적양본)생성책략적5개발육기모형,기정도보편재80％좌우.여차동시,대저2충양본구건방법분별진행료민감성급가양성비교.결과표명:수전자민감성고우후자,단기가양성야고,예측오차재9d좌우,이제2류양본적예측오차칙능공제재4～5 d내,경부합모형구건적요구.채용제2류양본생성책략진행발육기모형적연구가획득경준학적예측결과.
