基于支持向量机的生鲜农产品风险损失预估

发布时间：2020-10-18 20:40

　　 生鲜农产品的损失预测对我国的农业生产和应急处理具有重要的意义,本论文在考虑自然灾害风险如:多旱、涝、风、雹、霜冻等农业气象灾害的条件下,构建了基于网格搜索的支持向量机(Support vector machine,SVM)生鲜农产品损失预测模型。对多项指标进行预测。选取1999年-2015年的河南受灾数据作为研究样本,结果验证了基于网格搜索的支持向量机损失预测模型在生鲜农产品损失预估上的合理性和有效性。
【部分图文】：

河南省蔬菜成灾面积

本研究考虑自然灾害风险如：多风、雹、旱、涝、霜冻等农业气象灾害的条件下，构建了基于网格搜索的SVM生鲜农产品损失预测模型。并以河南省为例，研究的结果表明，选用径向核函数的SVM预测模型适合生鲜农产品损失预测，其中对于产量的预测更为准确。并且当灾情较轻时，此模型可以对受灾面积以及成灾面积做出较好的预测。在后期研究中应多考虑经济属性以及社会属性以及人文属性的影响从而提高模型的精度和预测的准确性。图2 河南省蔬菜单位面积总产量

河南省蔬菜单位面积总产量
【参考文献】

相关期刊论文 前7条

1 缪芸;缪翼军;陈红坤;胡畔;;基于模糊层次分析法与支持向量机的变压器风险评估[J];现代电力;2014年06期

2 王平;黄河;吴玮;;基于支持向量机的湖北省洪涝农业损失预测模型[J];湖北农业科学;2014年18期

3 汪海燕;黎建辉;杨风雷;;支持向量机理论及算法研究综述[J];计算机应用研究;2014年05期

4 王健峰;张磊;陈国兴;何学文;;基于改进的网格搜索法的SVM参数优化[J];应用科技;2012年03期

5 付元元;任东;;支持向量机中核函数及其参数选择研究[J];科技创新导报;2010年09期

6 李晓东;席升阳;潘立;;基于最小二乘支持向量机的中国粮食产量预测模型研究[J];水土保持研究;2007年06期

7 张学工;关于统计学习理论与支持向量机[J];自动化学报;2000年01期

相关博士学位论文 前1条

1 孙德山;支持向量机分类与回归方法研究[D];中南大学;2004年

【共引文献】

相关期刊论文 前10条

1 张会杰;李恒芬;李湘露;;支持向量机在临床医学中的应用研究进展[J];神经疾病与精神卫生;2017年11期

2 杨景明;陈伟明;车海军;吕金;贾林;;基于粒子群算法优化支持向量机的铝热连轧机轧制力预报[J];计量学报;2016年01期

3 吴欢;周春波;秦昆;;基于改进支持向量机的深基坑变形预测[J];地矿测绘;2015年04期

4 季宇寒;李婷;张漫;沙莎;;基于WSN的温室CO_2气肥优化调控系统研究[J];农业机械学报;2015年S1期

5 张小琴;胡景;肖炜;;基于Hadoop云平台的分布式支持向量机[J];山西师范大学学报(自然科学版);2015年04期

6 田合雷;丁胜;于长伟;周立;;监控视频中的移动目标侦测算法研究[J];合肥工业大学学报(自然科学版);2015年12期

7 刘卫华;;模糊最小二乘支持向量机在心电图分类中的应用研究[J];自动化与仪器仪表;2015年12期

8 叶永伟;任设东;陆俊杰;杨超;;基于SVM的汽车涂装线设备故障诊断[J];浙江工业大学学报;2015年06期

9 朱志洁;张宏伟;王春明;;基于人工蜂群算法优化支持向量机的采场底板破坏深度预测[J];重庆大学学报;2015年06期

10 吴丛;王晓红;范旭亮;鲍新雪;;基于小波系数和模糊支持向量机模型的图像去噪研究[J];贵州大学学报(自然科学版);2015年06期

相关博士学位论文 前10条

1 王帅伟;石漠化区耕作污染的地下水微生物—毒理联合响应机制及模拟[D];中国地质科学院;2019年

2 王昌硕;岩体结构面粗糙度与峰值剪切强度定量评价方法研究[D];中国地质大学;2019年

3 吕日琴;海鱼主要食用安全危害因子的可视化检测方法研究[D];江苏大学;2018年

4 纪祥龙;基于大数据的山东省十字花科蔬菜虫害特征数据采集与预警模型构建[D];山东农业大学;2018年

5 付云骁;智能安全工程及其在轨道列车关键设备安全状态辨识的应用研究[D];北京交通大学;2017年

6 柴磊;立体定向放射治疗系统的关键技术研究及实现[D];南京航空航天大学;2017年

7 程洪;面向园艺应用的机器视觉目标辨识方法创新[D];中国农业大学;2015年

8 周婷;水电站水库群调度优化及其效益评价方法研究[D];华北电力大学;2014年

9 姜焰鸣;多测点平面度误差智能评定与不确定度分析方法研究[D];华南理工大学;2012年

10 陈峰;高速公路与关联城市快速路结合部路网智能控制方法及应用研究[D];北京交通大学;2012年

【二级参考文献】

相关期刊论文 前10条

1 栗然;刘会兰;卢云;韩彪;;基于交叉熵理论的配电变压器寿命组合预测方法[J];电力系统保护与控制;2014年02期

2 王越;吕奇峰;王泉;曾晶;;一种改进的支持向量机序列最小优化算法[J];重庆理工大学学报(自然科学);2013年03期

3 白静;杨利红;张雪英;;一种面向语音识别的抗噪SVM参数优化方法[J];中南大学学报(自然科学版);2013年02期

4 李雷;房小萍;张宁;;一种基于几何分布的新支持向量机多分类方法[J];计算机技术与发展;2012年11期

5 许冲;徐锡伟;;基于不同核函数的2010年玉树地震滑坡空间预测模型研究[J];地球物理学报;2012年09期

6 赖苏;熊忠阳;江帆;唐蓉君;;利用改进的多项式核函数支持向量机进行文本分类[J];重庆大学学报;2012年S1期

7 单玉刚;王宏;董爽;;改进的一对一支持向量机多分类算法[J];计算机工程与设计;2012年05期

8 吴雪莲;孙丙宇;李文波;张洁;;基于粗糙集和CBR的救灾口粮需求预测[J];计算机工程;2012年09期

9 双小川;张克;;基于统计和结构特征的手写数字识别研究[J];计算机工程与设计;2012年04期

10 牛瑞卿;彭令;叶润青;武雪玲;;基于粗糙集的支持向量机滑坡易发性评价[J];吉林大学学报(地球科学版);2012年02期

【相似文献】

相关期刊论文 前10条

1 王淑民;国际原棉市场棉价预测模型简介[J];中国棉花;2000年03期

2 刘元根,赵学君;安图县粮食产量预测模型[J];农业系统科学与综合研究;1989年02期

3 段仕浩;;一种基于大数据的脱贫预测模型构建研究[J];无线互联科技;2019年21期

4 孙燕;张云鹏;王慎敏;周寅康;;我国耕地保有量的指数预测模型[J];地理与地理信息科学;2007年01期

5 张维宏;;基于灰色预测模型的广东生猪养殖分析[J];广东农业科学;2010年12期

6 钱雷雷;夏乐天;梁静仪;;基于灰色马尔可夫预测模型的农村人均收入预测[J];数学的实践与认识;2013年11期

7 李胜贤;曹敏建;;辽宁省粮食综合生产能力限制因素分析及生产潜力预测模型[J];吉林农业科学;2015年01期

8 李芳凤;张国权;;改进的灰色预测模型在蔬菜预警系统中的应用[J];统计与决策;2009年23期

9 曹迎;樊宏;陈钦;;建设用地预测模型与方法研究[J];国土资源科技管理;2007年05期

10 吕学梅;张磊;付信玉;刘圣娟;;基于均生函数预测模型的粮食产量预测[J];安徽农业科学;2010年05期

相关博士学位论文 前3条

1 邱祝强;基于冷藏链的生鲜农产品物流网络优化及其安全风险评价研究[D];中南大学;2007年

2 王磊;保鲜影响消费者效用的生鲜农产品订货、定价及供应链协调[D];重庆大学;2013年

3 徐克;基于价格分解的鲜活农产品短期价格预测模型[D];中国农业科学院;2016年

相关硕士学位论文 前10条

1 阎昊;基于数据挖掘的返贫预测模型的研究与应用[D];陕西师范大学;2019年

2 杜小伟;灰色预测模型在青岛市水产养殖产量预测中的应用[D];中国海洋大学;2011年

3 陈帅;基于WOFOST模型和支持向量机的粮食产量预测模型的研究与实现[D];吉林大学;2018年

4 龚尚花;基于lasso和支持向量机的组合预测及其在粮价预测中的应用[D];湖南大学;2016年

5 陈祥云;渠道阻碍视角的生鲜农产品滞销预测及疏通策略研究[D];重庆交通大学;2016年

6 于骐嘉;网购模式下生鲜农产品供应链主体博弈分析[D];哈尔滨商业大学;2019年

7 栾峦;基于双层规划的生鲜农产品冷链配送中心选址及路径优化研究[D];北京交通大学;2019年

8 段诗远;考虑碳交易的生鲜农产品冷链配送选址-路径研究[D];北京交通大学;2019年

9 全晓博;东西湖区生鲜农产品物流效率评价研究[D];武汉轻工大学;2018年

10 权金兰;本地生鲜农产品配送中心选址及路径研究[D];延边大学;2019年

本文编号：2846784