典型文献
基于SVM的共和地区春小麦产量预测系统研究
文献摘要：
以青海省共和地区春小麦产量为研究对象,在归纳国内外研究进展的基础上应用支持向量机(SVM)算法,利用共和地区春小麦种植区1990年～2020年度逐日平均气温、最高温度、最低温度、降水、日照时数、相对湿度,逐年≥0℃、≥5℃、≥10℃活动积温数据作为气象影响因子,以共和县气象局农业气象观测地段小麦产量数据作为预测样本,构建支持向量机学习模型,对共和地区春小麦产量进行预测.结果表明,模型预测的平均相对误差为4.2％,预测精度可以满足春小麦产量预报服务的业务需求,业务应用可有效提高农业气象服务质量和效益,对地方政府合理调整农业生产结构和有效开展防灾减灾具有一定的参考价值.
文献关键词：
支持向量机;气象因子;小麦;粮食产量预测
中图分类号：
作者姓名：
李文辉;刘鑫;娄仲山;李金红;闫蓉;丁玲
作者机构：
青海省共和县气象局,恰卜恰镇 813000;青海省海南州气象局,恰卜恰镇 813000;青海省第五人民医院,西宁 810008
文献出处：
引用格式：
[1]李文辉;刘鑫;娄仲山;李金红;闫蓉;丁玲-.基于SVM的共和地区春小麦产量预测系统研究)[J].青海科技,2022(04):130-134,154
A类：
B类：
春小麦产量,预测系统,青海省,小麦种植,种植区,逐日,日平均气温,最高温度,最低温度,日照时数,相对湿度,活动积温,气象影响因子,共和县,气象局,农业气象观测,测地,地段,预测样本,平均相对误差,产量预报,预报服务,业务需求,业务应用,农业气象服务,农业生产结构,防灾减灾,气象因子,粮食产量预测
AB值：
0.323992
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
