农业区地下水位动态变化预测的支持向量机模型 A Support Vector Machine Model for…

A Support Vector Machine Model for the Groundwater Forecast in Agricultural Areas

当观测资料的数据量少而又存在多个相互影响或关联的变量时,常用的回归预测模型不能全面考虑多个变量.在地下水位动态变化预测中应用了一种新的方法支持向量机方法(SVM ),该方法属于机器学习理论发展的最新阶段, 具有专门针对有限样本、算法复杂度与样本维数无关等优点.针对一些农区井灌水稻规模扩大而引起地下水资源紧缺的情况,以某井灌水稻地区地下水动态观测资料为研究对象,运用支持向量回归模型,描述其地下水动态变化趋势.水利论文9[@uT&W)V/Z

作 者：经玲 孙立 JING Ling SUN Li  

作者单位：中国农业大学理学院,北京,100083 

刊 名：中国农村水利水电  ISTIC PKU

英文刊名：CHINA RURAL WATER AND HYDROPOWER 

年，卷(期)：2006 (3) 

分类号：S11+7 

关键词：应用数学   支持向量机   地下水   预测  

机标关键词：农业区地下水位动态变化预测支持向量机模型地下水动态支持向量回归模型井灌水稻观测资料支持向量机方法动态变化趋势算法复杂度水资源紧缺预测模型有限样本研究对象理论发展机器学习规模扩大变量数据量 

基金项目：中国科学院资助项目