基于核函数支持向量回归机的耕地面积预测

科学预测耕地保有量是耕地保护的基础，对缓解用地矛盾、保证粮食安全具有重要指导意义。为探讨不同核函数支持向量回归机（supportre．orregression，SVR）对耕地面积预测的影响，该文以惠州市为例，分别采用多元回归、BP神经网络及3种不同核函数SVR建立耕地面积预测模型并进行对比试验。预测结果精度分析显示，RBF核函数SVR预测结果平均相对误差为0．54％，均方根误差为0．007，精度最高；Sigmoid核函数SVR预测结果对应误差分别为1．12％及0．012，精度次之；多项式核函数SVR预测结果对应误差为分别为2．71％及O．032，高于BP神经网络模型，但低于多元回归模型。研究表明，在现有3种常用核函数SVR耕地面积预测模型中，基于RBF核函数SVR模型预测能力最强，其次是sigmoid核函数；而多项式核函数则效果较差。