《表2 MFR-DI种植模式下基于SVM预测模型的输入组合》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于GA优化的支持向量机模型在青椒作物需水量预测中的应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

以2014-2016年的数据样本进行训练，以2017年的数据样本进行验证。选择了不同输入组合建立了预测模型，如表2所示，其中T为温度，包括日最高气温（Tmax），日最低气温（Tmin）和日平均气温（Tmean)；RH为日平均相对湿度；Ph为日平均气压；u2为两米处风速；Rs为太阳辐射；Tc为青椒冠层温度。因此，所有模型的输入向量数为7，输出结果为MFR-DI种植方式下青椒作物实际需水量。设置遗传种群数量大小为100，迭代次数为100，交叉概率0.8，变异概率0.01，惩罚因子C的变化范围为0～100，核函数参数g的变化范围为0～20，经过反复训练，搜索到SVM最优参数C为0.162 8，g为1.528 8。根据遗传算法寻优得到的最优参数C和g建立GA-SVM预测模型并进行2017年青椒作物需水量预测，预测结果如图5和表3所示。