基于细菌觅食优化算法的支持向量机在土壤墒情预测中的应用

丁辉; 仲跃; 张俊; 钱建中; 谢能刚

doi:10.13961/j.cnki.stbctb.2016.06.022

您当前的位置：

首页 >

文章列表页 >

基于细菌觅食优化算法的支持向量机在土壤墒情预测中的应用

试验研究

- 基于细菌觅食优化算法的支持向量机在土壤墒情预测中的应用
- Application of Support Vector Regression Machines in Soil Moisture Prediction Based on Bacteria Foraging Optimization Algorithm
- 水土保持通报 2016年36卷第6期页码：131-135
- 作者机构：
  
  1. 安徽工业大学机械学院,安徽,马鞍山,243032
  2. 盐城市水利局,江苏,盐城,224005
  3. 盐城市盐都区水务局,江苏,盐城,224005
- 作者简介：
- 基金信息：
  
  江苏省水利科技项目“沿海地区规模化节水灌溉集成技术推广示范基地”（2014078）
- DOI：10.13961/j.cnki.stbctb.2016.06.022
  中图分类号：
- 纸质出版：2016
- 稿件说明：
移动端阅览
丁辉, 仲跃, 张俊, 等. 基于细菌觅食优化算法的支持向量机在土壤墒情预测中的应用[J]. 水土保持通报, 2016,36(6):131-135.

DING Hui, ZHONG Yue, ZHANG Jun, et al. Application of Support Vector Regression Machines in Soil Moisture Prediction Based on Bacteria Foraging Optimization Algorithm[J]. Bulletin of Soiland Water Conservation, 2016, 36(6): 131-135.
丁辉, 仲跃, 张俊, 等. 基于细菌觅食优化算法的支持向量机在土壤墒情预测中的应用[J]. 水土保持通报, 2016,36(6):131-135. DOI： 10.13961/j.cnki.stbctb.2016.06.022.

DING Hui, ZHONG Yue, ZHANG Jun, et al. Application of Support Vector Regression Machines in Soil Moisture Prediction Based on Bacteria Foraging Optimization Algorithm[J]. Bulletin of Soiland Water Conservation, 2016, 36(6): 131-135. DOI： 10.13961/j.cnki.stbctb.2016.06.022.

摘要

[目的] 对基于细菌觅食优化算法的支持向量机在土壤墒情预测中的应用进行探讨，为现代农业研究中土壤墒情预测及农业生产提供支持。[方法] 基于支持向量回归机方法建立土壤墒情预测模型，利用细菌觅食优化算法优化支持向量机预测模型的相关参数。根据从种植区采集的田间数据对模型进行建模和测试。[结果] 与仅利用支持向量回归机和利用粒子群优化的支持向量回归机分别建立的模型进行对比，发现本研究所提算法建立的预测模型的预测效果更佳。[结论] 该模型预测效果较好，所建模型已应用于实际项目，预测精度基本满足要求，且运行稳定。进而证明了该研究所提算法的有效性和可行性。

Abstract

[Objective] The application of support vector regression machines in soil moisture prediction based on bacteria foraging optimization algorithm(BFOA) was discussed to provide supports for the prediction of soil moisture of modern agriculture and agricultural production.[Methods] The soil moisture prediction model based on support vector regression machines(SVR) was established.And the related parameters of SVR were optimized by using bacteria foraging optimization algorithm(BFOA).Then the model was set up and tested according to the collected data of growing region.[Results] The proposed algorithm was compared with the established model using SVR and SVR based on particle swarm optimization

respectively. The results showed that the prediction model established by the proposed algorithm performed better.[Conclusion] The model had been applied to the actual project. The prediction accuracy of the model was testified well and the operation was stable. The validity and feasibility of the proposed algorithm had been proved.

关键词

Keywords

references

王治国,李文银,蔡继清.开发建设项目水土保持与传统水土保持比较[J].中国水土保持,1998(10):16-17.

魏忠义,马锐,白中科,等.露天矿大型排土场水蚀特征及其植被控制效果研究:以安太堡露天煤矿南排土场为例[J].水土保持学报,2004,18(1):164-167.

吕钊,王冬梅,徐志友,等.生产建设项目弃渣(土)场水土流失特征与防治措施[J].中国水土保持科学,2013,11(3):118-126.

吕春娟.矿山排土场岩土侵蚀特征及植被恢复的水保效应[D].山西太原:山西农业大学,2004.

刘瑞顺,王文龙,廖超英,等.露天煤矿排土场边坡防护措施减水减沙效益分析[J].西北林学院学报,2014,29(4):59-64.

Kimoto A, Nearing M A, Zhang X C, et al. Applicability of rare earth element oxides as a sediment tracer for coarse-textured soils[J]. Catena, 2006,65(3):214-221.

Ramos M I, Feito F R, Gil A J, et al. A study of spatial variability of soil loss with high resolution DEMs:A case study of a sloping olive grove in southern Spain[J]. Geoderma, 2008,148(148):1-12.

Müller J, Gärtner R I, Thee P, et al. Accuracy assessment of airborne photogrammetrically derived high-resolution digital elevation models in a high mountain environment[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2014, 98:58-69.

School J M, Sonneveld M P W, Veldkamp A. Three-dimensional landscape process modelling:the effect of DEM resolution[J]. Earth Surface Processes & Landforms, 2000,25(9):1025-1034.

李德仁,李明.无人机遥感系统的研究进展与应用前景[J].武汉大学学报:信息科学版,2014,39(5):505-513.

刘青,范建容.沟蚀监测研究现状及发展展望[J].中国水土保持,2012(8):38-41.

Heritage G L, Milan D J, Large A R G, et al. Infuence of survey strategy and interpolation model on DEM quality[J]. Geomorphology, 2009,112(3/4):334-344.

Su Zhengan, Zhang Jianhui, Qin Fachao, et al. Landform change due to soil redistribution by intense tillage based on high-resolution DEMs[J].Geomorphology, 2012,175/176(6):190-198.

苏正安,陈茜,熊东红,等.攀枝花矿山排土场土壤侵蚀特征和生态恢复对策[J].世界科技研究与发展,2015,37(4):457-460.

赵云景,龚绪才,杜文俊,等.PhotoScan Pro软件在无人机应急航摄中的应用[J].国土资源遥感,2015,27(4):179-182.

李瑾杨,范建荣,徐京华.基于点云数据内插DEM的精度比较研究[J].测绘与空间地理信息,2013,36(1):37-40.

汤国安,李发源,刘学军.数字高程模型教程[M].2版.北京:科学出版社,2010.

水利部水土保持司. SL190-2007土壤侵蚀分类分级标准[S].北京:中国水利水电出版社,2008.

朱丽,秦富仓.露天煤矿开采项目水土流失量预测:以内蒙古锡林郭勒盟胜利矿区一号露天煤矿为例[J].水土保持通报,2008,28(4):111-115.

胡少伟.云南新平大红山铁矿矿区土壤侵蚀预测及防治规划研究[D].云南昆明:昆明理工大学,2004.

浏览量

1111

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

不同改良剂对滨海盐渍土盐分离子及玉米生长的影响

黄河中游沙家湾小流域风沙环境特征及其入沟过程

基于景观连通性优化的坝上地区张家口段生态安全格局构建

中国典型河口三角洲生态系统服务价值的时空异质性

融雪期微地形对土壤水分时空分布的影响及短期预测