摘要：采用机器学习中的支持向量机（SVM）方法，建立以适应区域尺度生产指导为目的的水稻发育期预测模型。通过整合水稻发育期数据和气象数据，构建训练集与测试集，并应用SVM算法建立针对5个不同发育阶段，应用2种不同样本构建方法的10个发育期预测模型。对其逐一进行评估，最终挑选出具有最佳预测效果的模型作为研究成果。结果表明：采用第1类样本（提前150d的样本）生成策略的5个发育期模型，其预测精度均大于80％，甚至达到95％的水平；而采用第2类样本（提前30d的样本）生成策略的5个发育期模型，其精度普遍在80％左右。与此同时，对这2种样本构建方法分别进行了敏感性及假阳性比较。结果表明：虽前者敏感性高于后者，但其假阳性也高，预测误差在9d左右，而第2类样本的预测误差则能控制在4～5d内，更符合模型构建的要求。采用第2类样本生成策略进行发育期模型的研究可获得更准确的预测结果。

原文链接:http://www.cqvip.com/QK/95188B/201203/43777089.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）