科研信息化技术与应用
科研信息化技術與應用
과연신식화기술여응용
E-science Technology & Application
2013年
3期
68-75
,共8页
林诗杰%黎建辉%何洪林%郭旦怀
林詩傑%黎建輝%何洪林%郭旦懷
림시걸%려건휘%하홍림%곽단부
支持向量回归机%数值预测%贝叶斯神经网络%特征选择%特征排序
支持嚮量迴歸機%數值預測%貝葉斯神經網絡%特徵選擇%特徵排序
지지향량회귀궤%수치예측%패협사신경망락%특정선택%특정배서
support vector regression%numerical prediction%Bayesian neural network%feature selection%feature sorting
准确获取蒸散发数据，对于更好地开展生态研究有着重要意义。在生态观测基站上，蒸散发数据会发生记录缺失，而在获取到的环境因子数据有限，并且观测到的环境因子数据存在误差的情况下，准确插补蒸散发数据是一个难题。本文提出从机器学习方法角度，应用特征排序选择算法，对影响变量进行特征排序选择，并使用支持向量回归机(Support Vector Regression，SVR)，贝叶斯神经网络对这些缺失值进行插补并作对比实验。在环境因子数据有限的条件下，特征选择排序方法能够帮助我们找出更好地预测蒸散发数据的特征组合，支持向量回归机算法则取得了对蒸散发缺失值预测的不错效果。
準確穫取蒸散髮數據，對于更好地開展生態研究有著重要意義。在生態觀測基站上，蒸散髮數據會髮生記錄缺失，而在穫取到的環境因子數據有限，併且觀測到的環境因子數據存在誤差的情況下，準確插補蒸散髮數據是一箇難題。本文提齣從機器學習方法角度，應用特徵排序選擇算法，對影響變量進行特徵排序選擇，併使用支持嚮量迴歸機(Support Vector Regression，SVR)，貝葉斯神經網絡對這些缺失值進行插補併作對比實驗。在環境因子數據有限的條件下，特徵選擇排序方法能夠幫助我們找齣更好地預測蒸散髮數據的特徵組閤，支持嚮量迴歸機算法則取得瞭對蒸散髮缺失值預測的不錯效果。
준학획취증산발수거，대우경호지개전생태연구유착중요의의。재생태관측기참상，증산발수거회발생기록결실，이재획취도적배경인자수거유한，병차관측도적배경인자수거존재오차적정황하，준학삽보증산발수거시일개난제。본문제출종궤기학습방법각도，응용특정배서선택산법，대영향변량진행특정배서선택，병사용지지향량회귀궤(Support Vector Regression，SVR)，패협사신경망락대저사결실치진행삽보병작대비실험。재배경인자수거유한적조건하，특정선택배서방법능구방조아문조출경호지예측증산발수거적특정조합，지지향량회귀궤산법칙취득료대증산발결실치예측적불착효과。
Evapotranspiration is an import component of water balance. In Qiangyanzhou data observation site, some evapotranspiration data are missing due to various reasons. The major objective of this study was to accurately estimate evapotranspiration with limited input variables use some machine learning algorithms. Firstly, we used Jian-bo Yang KDD’10’s algorithm which based on Recursive Feature Elimination(RFE) for feature selection and sorting. Then we used support vector regression(SVR) as the predicted model, and compare with another predicted model Bayesian neural network(BNN). We ifnd that SVR can predict better, and can be successfully applied to estimate evapotranspiration.
