首页|基于灰狼优化算法的最小二乘支持向量机红枣产量预测研究

基于灰狼优化算法的最小二乘支持向量机红枣产量预测研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
最小二乘支持向量机预测时,其参数的选取大部分只依赖于人工经验,无法实现自适应寻优,阻碍了其学习与泛化能力.针对该问题,采用灰狼优化算法对最小二乘支持向量机参数寻优,以1978—2016全国红枣产量数据为研究对象,利用最小二乘支持向量机的最优参数对红枣产量数据进行拟合与预测.为避免过拟合现象,将1978—2007和2013—2016年数据分别作为模型的训练与预测数据,2008-2012年数据用于交叉验证,同时为检验该模型的预测性能,将其与ARIMA模型的预测效果进行对比分析.实证分析表明,基于灰狼优化算法的最小二乘支持向量机模型预测的平均相对误差小于ARIMA模型预测的平均相对误差,其可适用于红枣产量的预测,也进一步表明灰狼优化算法对最小二乘支持向量机参数优化的有效性.
Least-squares Support Vector Machine Based on Grey Wolf Optimization Algorithm for Prediction of Jujube Yield

李鹏飞、王青青、毋建宏、樊怡彤

展开 >

西安邮电大学经济与管理学院,陕西西安710061

西安邮电大学现代邮政学院,陕西西安710061

最小二乘支持向量机 全国红枣产量 灰狼优化算法 ARIMA

国家社会科学基金教育部哲学社会科学研究后期资助项目陕西省科技厅重大项目陕西高校青年创新团队;陕西省教育厅服务地方专项项目西安市科技计划项目

18FGL02218JHQ0822018ZDXM-GY-18819JC037201806117YF05NC135

2020

安徽农业科学
安徽省农业科学院

安徽农业科学

影响因子：0.413
ISSN：0517-6611
年,卷(期)：2020.48(6)
  • 3
  • 12