收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于支持向量机回归的NDVI组合预测模型

黄春萌  
【摘要】:植被的生长变化既受气候的影响又可以为气候的变化起到提示作用。对植被覆盖变化进行动态模拟预测,有利于开展生态建设工作。遥感观测为研究地表的植被覆盖变化提供了可靠的实时数据源。归一化植被指数(Normalized Difference Vegetation Index,NDVI)对绿色植被表现敏感,可以有效的反映植被生长变化,本文选用归一化植被指数作为研究对象,来预测植被的生长变化。目前植被覆盖变化预测研究只是对未来一定时间范围内,植被覆盖变化方向的预测,主要依靠的模型有马尔科夫模型,广义加法模型等,其中马尔科夫模型的应用最为广泛。植被覆盖变化预测尚未存在一个短期定量预测模型。本文对2004年到2015年3-10月的MODIS NDVI数据建立时间序列,并利用同期的温度、降水数据做回归因子,采用支持向量机回归模型建立NDVI短期预测模型。另外植被生长变化对气候因子的响应过程具有复杂性,单一的预测模型很难准确预测植被覆盖变化。针对响应过程复杂性从不同角度建立单项模型。首先用网格搜索法、遗传算法和粒子群算法对模型参数进行优化选择,然后用得到的最佳参数分别训练支持向量机,拟合结果显示网格搜索法是本实验数据的最佳优化算法。使用基于网格搜索法的支持向量机回归模型从两个角度建立了NDVI的单项预测模型,对两个单项模型做线性组合并计算最优权重系数。实验结果表明组合模型可以有效预测NDVI。


知网文化
【相似文献】
中国期刊全文数据库 前16条
1 江少杰;宁纪锋;李云松;;加权间隔结构化支持向量机目标跟踪算法[J];中国图象图形学报;2017年09期
2 李娜;孙乐;胡一楠;李笑;王亚南;;模糊型支持向量机及其在入侵检测中的应用[J];科技创新与应用;2018年11期
3 邵元海;杨凯丽;刘明增;王震;李春娜;陈伟杰;;从支持向量机到非平行支持向量机[J];运筹学学报;2018年02期
4 高钦姣;张胜刚;贾晓薇;;基于支持向量机的股票价格预测模型研究与应用[J];课程教育研究;2016年28期
5 林香亮;袁瑞;孙玉秋;王超;陈长胜;;支持向量机的基本理论和研究进展[J];长江大学学报(自科版);2018年17期
6 安悦瑄;丁世飞;胡继普;;孪生支持向量机综述[J];计算机科学;2018年11期
7 梁武;苏燕;;一种新的基于类内不平衡数据学习支持向量机算法[J];科技通报;2017年09期
8 吴青;梁勃;;分段熵光滑支持向量机性能研究[J];计算机工程与设计;2015年08期
9 牛犇;顾宏斌;孙瑾;周来;周扬;;有向无环图-双支持向量机的多类分类方法[J];计算机应用与软件;2015年11期
10 赵芳;马玉磊;;自训练半监督加权球结构支持向量机多分类方法[J];重庆邮电大学学报(自然科学版);2014年03期
11 候明;张新新;范丽亚;;四类基于支持向量机的多类分类器的性能比较[J];聊城大学学报(自然科学版);2014年03期
12 张小琴;贾郭军;;一种采用粗糙集和遗传算法的支持向量机[J];山西师范大学学报(自然科学版);2013年01期
13 黄娟;唐轶;王军霞;;贪婪支持向量机的分析及应用[J];计算机工程与应用;2012年24期
14 丁胜锋;;一种改进的双支持向量机[J];辽宁石油化工大学学报;2012年04期
15 李逢焕;;试述不确定支持向量机应用分析及改进思路[J];中国证券期货;2012年12期
16 赵凯;王巍;李玮瑶;;模糊积分在支持向量机集成中的应用研究[J];黑龙江科技信息;2011年27期
中国重要会议论文全文数据库 前10条
1 王晓红;;一种改进多类支持向量机加权后验概率重构策略[A];2009中国控制与决策会议论文集(3)[C];2009年
2 余乐安;姚潇;;基于中心化支持向量机的信用风险评估模型[A];第六届(2011)中国管理学年会——商务智能分会场论文集[C];2011年
3 何琴淑;刘信恩;肖世富;;基于支持向量机的系统辨识方法研究及应用[A];中国力学大会——2013论文摘要集[C];2013年
4 郭一楠;程健;肖大伟;杨梅;;分布式多分类支持向量机[A];2011年中国智能自动化学术会议论文集(第一分册)[C];2011年
5 汪荣贵;孙见青;胡琼;李守毅;;一种新的支持向量机决策树及其应用[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年
6 伍敏;苏鹏宇;刘金福;于达仁;;基于RVM和SVM的风速预测研究[A];2012电站自动化信息化学术和技术交流会议论文集[C];2012年
7 曾江辉;耿金凤;汪邦军;郝建春;;面向时间序列质量波动预测的支持向量机回归模型研究[A];使命与责任—以质量方法促转型升级——第五届中国质量学术与创新论坛论文集(上)[C];2012年
8 刘爽;贾传荧;;一种加权支持向量机算法[A];通信理论与信号处理新进展——2005年通信理论与信号处理年会论文集[C];2005年
9 张晓滨;尹英顺;赵培坤;马秀兰;;基于渐进直推支持向量机的半对半多类文本分类[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年
10 张立刚;李海丽;;基于最小二乘支持向量机的协调系统预测[A];第六届全国信息获取与处理学术会议论文集(3)[C];2008年
中国博士学位论文全文数据库 前10条
1 胡庆辉;非稀疏多核支持向量机学习方法研究[D];武汉大学;2015年
2 孙宗海;支持向量机及其在控制中的应用研究[D];浙江大学;2003年
3 徐芳;航空影像分割的支持向量机方法[D];武汉大学;2004年
4 蔡从中;支持向量机及其在生物材料功能研究中的应用[D];重庆大学;2003年
5 孙德山;支持向量机分类与回归方法研究[D];中南大学;2004年
6 翟永杰;基于支持向量机的故障智能诊断方法研究[D];华北电力大学(河北);2004年
7 董春曦;支持向量机及其在入侵检测中的应用研究[D];西安电子科技大学;2004年
8 安金龙;支持向量机若干问题的研究[D];天津大学;2004年
9 朱燕飞;锌钡白回转窑煅烧过程智能建模研究[D];华南理工大学;2005年
10 阎满富;求解分类问题的支持向量机方法与应用研究[D];中国农业大学;2005年
中国硕士学位论文全文数据库 前10条
1 陈前;基于马氏抽样的在线支持向量机泛化性能的研究[D];湖北大学;2018年
2 于佳女;基于支持向量机方法分析慢性心力衰竭患者心电图的研究[D];北京协和医学院;2018年
3 袁昆鹏;L_0-稀疏对偶支持向量机及应用[D];大连理工大学;2018年
4 郭晓云;基于支持向量机的P2P网络借贷投资决策分析[D];武汉理工大学;2017年
5 吴志辉;基于支持向量机的径向基网络基函数中心确定方法研究[D];东北农业大学;2018年
6 张航;结构不确定性分析与设计优化的序贯支持向量机方法[D];南京航空航天大学;2018年
7 黄春萌;基于支持向量机回归的NDVI组合预测模型[D];河北工业大学;2016年
8 施振振;基于混合加权支持向量机的股市分布变化研究[D];合肥工业大学;2018年
9 刘雅云;基于机器学习的降水数据分析算法的研究[D];南京信息工程大学;2018年
10 焦向宁;面向油气储层综合评价的空间支持向量机模型[D];成都理工大学;2018年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978