基于SVM的干旱指数预测模型及其应用
基于SVM的干旱指数预测模型及其应用[20191212165404]
摘 要
随着社会经济的发展，工农业需水量的极速增加，加之全球气候变暖的背景，使全球水循环加快，发生干旱风险的概率增大。而干旱又作为中国最主要的气象灾害之一，具有波及范围广、持续时间长、发生频率高等特点，由此，干旱灾害对社会经济、人们的生活财产以及生态系统造成巨大的风险和严重的影响，因此，对干旱的预测工作尤其重要。
论文运用支持向量机的预测算法，利用标准化降水指数（SPI），构建干旱指数预测的支持向量机模型，并且以云南省曲靖市典型的三个水文站点为研究对象，依照SVM预测步骤对干旱指数进行预测，将预测结果与ARMA模型的预测结果对比，结果显示SVM的预测结果与实际值较为一致，表明基于支持向量机的预测模型可以快速精确地实现对干旱的预测。此研究为抗旱部门提供可靠的抗灾减灾依据，并且在一定程度上降低干旱灾害造成的各项损失，具有重要的理论和实际意义。
查看完整论文请+Q: 351916072
关键字:干旱指数预测；标准化降水指数（SPI）；预测模型；支持向量机
目 录
摘要 I
ABSTRACT II
第1章 绪论 1
1.1选题背景及研究意义 1
1.1.1选题背景 1
1.1.2研究意义 2
1.2相关文献研究综述 3
1.2.1国内外干旱理论研究进展 3
1.2.2干旱预测指数研究进展 3
1.2.3支持向量机技术及应用研究现状 4
1.2.4干旱预测模型研究进展 5
1.3研究内容及技术路线 6
1.3.1研究内容 6
1.3.2技术路线 7
1.4创新点 7
第2章 干旱和干旱指数概述 8
2.1干旱的基本概念 8
2.1.1干旱的定义 8
2.1.2干旱的基本特征和成因 8
2.2干旱的分类 8
2.2.1干旱的种类 8
2.2.2不同种类干旱之间的关系 9
2.3干旱指数的基本概念 9
2.3.1干旱指数的定义 9
2.3.2干旱指数的分类 10
2.3.3常用的干旱指数 10
2.4 标准化降水指数（SPI） 12
2.4.1 SPI含义 12
2.4.2 SPI计算方法 12
2.4.3 SPI干旱等级划分标准 14
2.5 本章小结 14
第3章 SVM相关理论和预测方法 15
3.1支持向量机理论 15
3.1.1统计学习理论 15
3.1.2支持向量机概述 15
3.1.3支持向量机核函数研究 16
3.2支持向量机预测方法 16
3.2.1支持向量机算法 16
3.2.2支持向量机预测模型评价标准 18
3.3 基于SVM干旱指数预测模型的构建 18
3.3.1 SVM的网络结构 18
3.3.2基于SVM干旱指数的训练过程 19
3.3.3干旱指数SPI的SVM预测模型构建 19
第4章 实例分析—以云南省某些站点为例 21
4.1研究区域的自然条件概述 21
4.1.1研究区域干旱情况简介 21
4.1.2研究区域SPI等级分析 22
4.2基于SVM的干旱指数预测 25
4.2.1西桥站数据的选取 25
4.2.2西桥站 SPI指数的SVM预测 25
4.2.3西桥站ARMA模型的干旱指数预测 27
4.2.4西桥站SVM与ARMA模型预测结果比较和分析 30
4.2.5盘溪站SVM与ARMA模型预测及结果比较和分析 31
4.2.6南洞口站SVM与ARMA模型预测及结果比较和分析 32
4.3本章小结 33
第5章 总结与展望 34
5.1总结 34
5.2展望 34
参考文献 36
致谢 40
第1章 绪论
1.1选题背景及研究意义
1.1.1选题背景
干旱是一种潜在的自然灾害现象，通常发生比较缓慢，过程十分复杂，从损失的厉害程度来说，它的影响面积最广，持续时间较长，全世界每年对工农业造成的经济损失最高达60~80亿美元，超过任何气象灾害对社会带来的财产和资源损失，是目前最受关注的气象灾害之一[1]。
根据全球气候的变化特征，区域干旱化已经重点列入众多学者的研究内容，并且随着全球气温上升的状况，世界大部分陆地正在向干旱演化。尤其是近半个世纪，全球极端干旱区面积扩大了两倍以上[2]。其中干旱半干旱区占全球陆地总面积的34.3%，分布在50多个国家和地区，我国干旱区占领土总面积47%以上，包括了北方15个省区市的645个县，土地面积465万km2，占全国土地面积的45%[3]。据历年旱灾覆盖的面积统计，1949~2007年平均每年干旱面积约达2148.7万hm2，占气象灾害受灾面积的60%左右，其中平均成灾面积948万hm2，占全国播种面积的6.7%。因旱灾每年粮食产量损失100亿kg，其中1959~1961年3年连旱，对农作物影响最为严重，受灾面积达10980万hm2，粮食减产611.5亿kg[4-5]。建国以来（1949-2000），一共有10个大旱年，其中2000年的旱灾最为严重，成灾率也是近50年最大的一次。2009年，我国很多省份又遭遇严重的旱灾影响，此次旱灾持续时间长达3个月，其中华北、西北、黄淮、江淮等15个省、市工业、农业和城市用水都遇到问题。2010年以来，我国干旱区域逐步南移，西南贵州、广西、云南、重庆、四川五省耕地面积严重受损，受灾面积达1.01亿亩，占全国的84%，作物受旱面积7907万亩；另外2088万人、1368万头牲畜饮水困难，分别占全国的80%和74%。
干旱的发生与许多因子有关，它是一种涉及生态系统、经济和社会系统的现象。其一，由于我国受季风气候影响比较明显，并且鉴于我国复杂的地形容貌特征，致使水热分布不均，从而干旱频繁发生。而干旱最直接的影响就是使农业减产，然后导致粮食供应不足，同时，持续的干旱又使土地的可用率降低、水资源短缺、生态环境恶化等，从而违背了社会经济可持续发展理论。其二，伴随着经济的发展，人口的迅速增长，水环境压力越来越大，解决缺水问题迫在眉睫，在部分地区，缺水甚至已经威胁到居民的日常生活。据不完全统计，从公元前206-1949年的2155年间，我国发生过的较大旱灾有1056次，平均每2年就发生一次[6]。正是因为如此，对干旱的预测工作变得极为重要。
1.1.2研究意义
从我国干旱发生的频率和造成的影响来看，旱灾已经是最严重的自然灾害类型之一，尤其是进入20世纪，随着经济的发展，水资源短缺现象日益严重，水资源保护已成为重点关注话题。另外，自然灾害是人们难以抵抗的，旱灾自然也不会以我们的意愿而转移，所以我们只能够尽可能地减少灾害所致的各项损失。基于这个目标，对旱灾发生的预测就势在必行，在此基础之上制定合理有效的抗旱方案，由此可见干旱预测工作在干旱管理工作中占据非常重要的地位。论文是基于SVM针对云南省的某些水文站点对其干旱指数进行预测。主要研究意义在于以下两点：
（1）论文主要是针对干旱来讲，具有实际意义。干旱作为最严重的气象灾害之一，已经对我国社会经济和人民生活造成严重的影响。我国国家防总和防办系统已做了职能改革，防总除了应急职能外，还针对备旱问题发挥了组织协调功能，实现了由被动抗旱到主动备旱的转变，有效整合了资源。
（2）就目前而言，对干旱的风险评价已有很多研究成果，但对于干旱的预测研究却甚少，并且针对干旱预测模型没有太多的运用。论文提出基于SVM的干旱指数预测模型，并且以实例验证SVM模型较ARMA模型等方法具有更好的应用前景，为我国以后更好的进行干旱预测工作提供了科学依据。
1.2相关文献研究综述
1.2.1国内外干旱理论研究进展
干旱作为影响世界各国经济发展的最主要的自然灾害之一，它影响范围广、并且持续时间久，与人类的生存发展密切相关，已引起国内外各界学者的极大关注。关于干旱理论的概括如下：冯定原等[7]把干旱定义为一种单一的自然现象，认为干旱就是在农业生产季节长时间内无雨、然后影响农作物的种植与生长发育，致使粮食减产的一种农业灾害现象；而鲍志伟等[8]认为干旱是由多种因素引起的一种自然现象，对于复杂的干旱现象不可能用某种单项指标或者因素来加以全面的表征。干旱气候是由于干旱气候系统中各要素之间通过相互作用达到的一个平衡状态。张俊等[9]人指出目前干旱研究的不足，对干旱的认识应逐渐由定量化转向客观化。赵丽[10]较全面的将干旱分为四类，即气象干旱、水文干旱、农业干旱和社会经济干旱，并且对这四种干旱进行详细的阐述，其中有联系也有区别。
1.2.2干旱预测指数研究进展
干旱预测一直是世界性的难题，目前国内外对这方面的研究还是很少，关于干旱指数的研究成果也是较少的。通常我们将常用的干旱指数归纳为两类：单因素干旱指数和多因素干旱指数。
(1)单因素指数
单因素指数主要包含：降水距平、降水距平百分比、土壤墒情等。这类指数的特点是以单个要素的值或者其距平值的大小作为衡量干旱的标准。虽然比较简单易行，但是，把影响干旱这个非常复杂的综合现象的要素简单归为一个，这种做法是不够全面、不够完善的。
（2）多因素指数
多因素指数主要分为两类：简单的多因素指数和复杂的综合多因素指数。简单的多因素综合指数主要包含：降水量和蒸发量的关系、降水量和作物需水量的关系、水分供求之间的关系、土壤水分亏缺量等等，这类指数考虑的不够全面，适用范围较小，很少在实际中应用。复杂的综合多因素指数通常用到的是标准化降水指数（SPI）和降水Z指数等。袁文平等人[11]指出标准化降水指数不仅计算更加简单，而且还可以计算不同时间尺度的指标值，可以满足不同水资源状况分析的要求，而Z指数值大小的变化趋势有时与降水量的趋势不一致，很难有效反映旱涝程度。
1.2.3 支持向量机技术及应用研究现状
支持向量机SVM（Support Vector Machine）是目前通用的一种学习方法，1963年由AT&T Bell实验室研究小组提出的一种基于统计学理论的模式识别方法，主要应用于模式识别领域，当时这些研究并不完善，直到20世纪90年代，由于神经网络在解决许多实际问题时，含有较大的经验成分，还存在一些网络结构的设计问题、学习算法中的局部极小问题和学习的快速性问题等，使得SVM得以迅速发展和完善，并形成了一个比较完善的统计学习理论。支持向量机以全新的思想在处理小样本、非线性及高维度的模式识别问题中占据重要地位，其坚实的理论基础在很多研究领域中都表现出良好的推广性能，目前已成为神经网络和机器学习的研究热点。很多学者认为，对于支持向量机的研究也会像20世纪80年代后期人工神经网络研究那样飞速发展。
目前，支持向量机的研究热点主要是训练算法的研究和模型选择的研究，SVM训练就是为了解决一个二次规划或者其对偶问题。Carozza[12]提出一种增量式学习方法，主要内容就是只对影响Lagrange系数最大的学习机器进行更新，来减少计算的复杂度。Xiao etal[13]和Ralaivola[14]等也分别提出了有关增量式学习的一些训练算法。张学工等[15]提出了CSVM（Central SVM）算法，将每类训练样本集进行聚类分成若干子集，用子集中心组成新的训练样本集训练SVM。支持向量机的关键在于模型的选择也就是说核函数的选择最为重要，SVM的核函数有多样，比如多项式核函数、径向基函数等，所以如何构造与实际问题相符合的核函数至关重要。Ayat等[16]认为核函数在零点附近会下降的较快，在无穷远点有适量的下降但不会为零，所以构造了新的核函数KMOD。吴涛等[17]提出基于插值的核函数构造，指出不必要一定构造满足Mercer条件的显式核函数。
另外，支持向量机已广泛应用于时间序列分析、回归分析、聚类分析、动态图像的人脸跟踪、信号处理、语音识别、图像分类和控制系统等诸多领域。例如：Osuna[18]最早将支持向量机应用于人脸检测，并取得较好的效果，其方法是直接训练非线性SVM分类器完成人脸与非人脸的分类。
1.2.4 干旱预测模型研究进展
近年来，国内外一些学者对干旱预测模型有了一定的研究成果，主要归纳如下：对干旱的预测先是由传统的预测方法进行的，这些预测模型是单一的，大都基于数理统计方法，主要有多元线性回归模型、主成分分析法、时间序列预测方法、马尔科夫链以及加权马尔科夫链方法等。陈艳春等人[19]首先提出关于干旱强度的新概念来反映受旱强度和面积以及干旱持续时间的综合作用，并通过将1975年至1994年逐旬山东省受旱面积资料进行详细的研究，分别计算出山东省的平均春旱强度、夏旱强度和秋旱强度后，与前期或同期的降水量进行回归分析，并由此建立了干旱预警模型。张玉芳等人[20]在分析四川省作物干旱监测业务服务需求时，筛选多个影响因子指标，并采用主成分分析法确定各指标的权重，将多个指标进行分类归纳，建立了四川盆地冬小麦干旱监测预警系统，实验结果表明主成分分析法对盆地小麦旱情的综合判断效果较好，可在业务中逐步完善推广。Paulo等人[21]结合葡萄牙南部7个气象站68年的标准化降水指数资料，通过建立马尔可夫模型和对数线性模型，对干旱进行监测和预报。王彦集等人[22]基于不同时间尺度的标准化降水指数的干旱监测结果，应用加权马尔可夫链方法对未来干旱状态进行预测和分析，并选取关中平原和渭北旱塬36个气象站39年逐月降水数据资料进行实证研究。
摘 要
随着社会经济的发展，工农业需水量的极速增加，加之全球气候变暖的背景，使全球水循环加快，发生干旱风险的概率增大。而干旱又作为中国最主要的气象灾害之一，具有波及范围广、持续时间长、发生频率高等特点，由此，干旱灾害对社会经济、人们的生活财产以及生态系统造成巨大的风险和严重的影响，因此，对干旱的预测工作尤其重要。
论文运用支持向量机的预测算法，利用标准化降水指数（SPI），构建干旱指数预测的支持向量机模型，并且以云南省曲靖市典型的三个水文站点为研究对象，依照SVM预测步骤对干旱指数进行预测，将预测结果与ARMA模型的预测结果对比，结果显示SVM的预测结果与实际值较为一致，表明基于支持向量机的预测模型可以快速精确地实现对干旱的预测。此研究为抗旱部门提供可靠的抗灾减灾依据，并且在一定程度上降低干旱灾害造成的各项损失，具有重要的理论和实际意义。
查看完整论文请+Q: 351916072
关键字:干旱指数预测；标准化降水指数（SPI）；预测模型；支持向量机
目 录
摘要 I
ABSTRACT II
第1章 绪论 1
1.1选题背景及研究意义 1
1.1.1选题背景 1
1.1.2研究意义 2
1.2相关文献研究综述 3
1.2.1国内外干旱理论研究进展 3
1.2.2干旱预测指数研究进展 3
1.2.3支持向量机技术及应用研究现状 4
1.2.4干旱预测模型研究进展 5
1.3研究内容及技术路线 6
1.3.1研究内容 6
1.3.2技术路线 7
1.4创新点 7
第2章 干旱和干旱指数概述 8
2.1干旱的基本概念 8
2.1.1干旱的定义 8
2.1.2干旱的基本特征和成因 8
2.2干旱的分类 8
2.2.1干旱的种类 8
2.2.2不同种类干旱之间的关系 9
2.3干旱指数的基本概念 9
2.3.1干旱指数的定义 9
2.3.2干旱指数的分类 10
2.3.3常用的干旱指数 10
2.4 标准化降水指数（SPI） 12
2.4.1 SPI含义 12
2.4.2 SPI计算方法 12
2.4.3 SPI干旱等级划分标准 14
2.5 本章小结 14
第3章 SVM相关理论和预测方法 15
3.1支持向量机理论 15
3.1.1统计学习理论 15
3.1.2支持向量机概述 15
3.1.3支持向量机核函数研究 16
3.2支持向量机预测方法 16
3.2.1支持向量机算法 16
3.2.2支持向量机预测模型评价标准 18
3.3 基于SVM干旱指数预测模型的构建 18
3.3.1 SVM的网络结构 18
3.3.2基于SVM干旱指数的训练过程 19
3.3.3干旱指数SPI的SVM预测模型构建 19
第4章 实例分析—以云南省某些站点为例 21
4.1研究区域的自然条件概述 21
4.1.1研究区域干旱情况简介 21
4.1.2研究区域SPI等级分析 22
4.2基于SVM的干旱指数预测 25
4.2.1西桥站数据的选取 25
4.2.2西桥站 SPI指数的SVM预测 25
4.2.3西桥站ARMA模型的干旱指数预测 27
4.2.4西桥站SVM与ARMA模型预测结果比较和分析 30
4.2.5盘溪站SVM与ARMA模型预测及结果比较和分析 31
4.2.6南洞口站SVM与ARMA模型预测及结果比较和分析 32
4.3本章小结 33
第5章 总结与展望 34
5.1总结 34
5.2展望 34
参考文献 36
致谢 40
第1章 绪论
1.1选题背景及研究意义
1.1.1选题背景
干旱是一种潜在的自然灾害现象，通常发生比较缓慢，过程十分复杂，从损失的厉害程度来说，它的影响面积最广，持续时间较长，全世界每年对工农业造成的经济损失最高达60~80亿美元，超过任何气象灾害对社会带来的财产和资源损失，是目前最受关注的气象灾害之一[1]。
根据全球气候的变化特征，区域干旱化已经重点列入众多学者的研究内容，并且随着全球气温上升的状况，世界大部分陆地正在向干旱演化。尤其是近半个世纪，全球极端干旱区面积扩大了两倍以上[2]。其中干旱半干旱区占全球陆地总面积的34.3%，分布在50多个国家和地区，我国干旱区占领土总面积47%以上，包括了北方15个省区市的645个县，土地面积465万km2，占全国土地面积的45%[3]。据历年旱灾覆盖的面积统计，1949~2007年平均每年干旱面积约达2148.7万hm2，占气象灾害受灾面积的60%左右，其中平均成灾面积948万hm2，占全国播种面积的6.7%。因旱灾每年粮食产量损失100亿kg，其中1959~1961年3年连旱，对农作物影响最为严重，受灾面积达10980万hm2，粮食减产611.5亿kg[4-5]。建国以来（1949-2000），一共有10个大旱年，其中2000年的旱灾最为严重，成灾率也是近50年最大的一次。2009年，我国很多省份又遭遇严重的旱灾影响，此次旱灾持续时间长达3个月，其中华北、西北、黄淮、江淮等15个省、市工业、农业和城市用水都遇到问题。2010年以来，我国干旱区域逐步南移，西南贵州、广西、云南、重庆、四川五省耕地面积严重受损，受灾面积达1.01亿亩，占全国的84%，作物受旱面积7907万亩；另外2088万人、1368万头牲畜饮水困难，分别占全国的80%和74%。
干旱的发生与许多因子有关，它是一种涉及生态系统、经济和社会系统的现象。其一，由于我国受季风气候影响比较明显，并且鉴于我国复杂的地形容貌特征，致使水热分布不均，从而干旱频繁发生。而干旱最直接的影响就是使农业减产，然后导致粮食供应不足，同时，持续的干旱又使土地的可用率降低、水资源短缺、生态环境恶化等，从而违背了社会经济可持续发展理论。其二，伴随着经济的发展，人口的迅速增长，水环境压力越来越大，解决缺水问题迫在眉睫，在部分地区，缺水甚至已经威胁到居民的日常生活。据不完全统计，从公元前206-1949年的2155年间，我国发生过的较大旱灾有1056次，平均每2年就发生一次[6]。正是因为如此，对干旱的预测工作变得极为重要。
1.1.2研究意义
从我国干旱发生的频率和造成的影响来看，旱灾已经是最严重的自然灾害类型之一，尤其是进入20世纪，随着经济的发展，水资源短缺现象日益严重，水资源保护已成为重点关注话题。另外，自然灾害是人们难以抵抗的，旱灾自然也不会以我们的意愿而转移，所以我们只能够尽可能地减少灾害所致的各项损失。基于这个目标，对旱灾发生的预测就势在必行，在此基础之上制定合理有效的抗旱方案，由此可见干旱预测工作在干旱管理工作中占据非常重要的地位。论文是基于SVM针对云南省的某些水文站点对其干旱指数进行预测。主要研究意义在于以下两点：
（1）论文主要是针对干旱来讲，具有实际意义。干旱作为最严重的气象灾害之一，已经对我国社会经济和人民生活造成严重的影响。我国国家防总和防办系统已做了职能改革，防总除了应急职能外，还针对备旱问题发挥了组织协调功能，实现了由被动抗旱到主动备旱的转变，有效整合了资源。
（2）就目前而言，对干旱的风险评价已有很多研究成果，但对于干旱的预测研究却甚少，并且针对干旱预测模型没有太多的运用。论文提出基于SVM的干旱指数预测模型，并且以实例验证SVM模型较ARMA模型等方法具有更好的应用前景，为我国以后更好的进行干旱预测工作提供了科学依据。
1.2相关文献研究综述
1.2.1国内外干旱理论研究进展
干旱作为影响世界各国经济发展的最主要的自然灾害之一，它影响范围广、并且持续时间久，与人类的生存发展密切相关，已引起国内外各界学者的极大关注。关于干旱理论的概括如下：冯定原等[7]把干旱定义为一种单一的自然现象，认为干旱就是在农业生产季节长时间内无雨、然后影响农作物的种植与生长发育，致使粮食减产的一种农业灾害现象；而鲍志伟等[8]认为干旱是由多种因素引起的一种自然现象，对于复杂的干旱现象不可能用某种单项指标或者因素来加以全面的表征。干旱气候是由于干旱气候系统中各要素之间通过相互作用达到的一个平衡状态。张俊等[9]人指出目前干旱研究的不足，对干旱的认识应逐渐由定量化转向客观化。赵丽[10]较全面的将干旱分为四类，即气象干旱、水文干旱、农业干旱和社会经济干旱，并且对这四种干旱进行详细的阐述，其中有联系也有区别。
1.2.2干旱预测指数研究进展
干旱预测一直是世界性的难题，目前国内外对这方面的研究还是很少，关于干旱指数的研究成果也是较少的。通常我们将常用的干旱指数归纳为两类：单因素干旱指数和多因素干旱指数。
(1)单因素指数
单因素指数主要包含：降水距平、降水距平百分比、土壤墒情等。这类指数的特点是以单个要素的值或者其距平值的大小作为衡量干旱的标准。虽然比较简单易行，但是，把影响干旱这个非常复杂的综合现象的要素简单归为一个，这种做法是不够全面、不够完善的。
（2）多因素指数
多因素指数主要分为两类：简单的多因素指数和复杂的综合多因素指数。简单的多因素综合指数主要包含：降水量和蒸发量的关系、降水量和作物需水量的关系、水分供求之间的关系、土壤水分亏缺量等等，这类指数考虑的不够全面，适用范围较小，很少在实际中应用。复杂的综合多因素指数通常用到的是标准化降水指数（SPI）和降水Z指数等。袁文平等人[11]指出标准化降水指数不仅计算更加简单，而且还可以计算不同时间尺度的指标值，可以满足不同水资源状况分析的要求，而Z指数值大小的变化趋势有时与降水量的趋势不一致，很难有效反映旱涝程度。
1.2.3 支持向量机技术及应用研究现状
支持向量机SVM（Support Vector Machine）是目前通用的一种学习方法，1963年由AT&T Bell实验室研究小组提出的一种基于统计学理论的模式识别方法，主要应用于模式识别领域，当时这些研究并不完善，直到20世纪90年代，由于神经网络在解决许多实际问题时，含有较大的经验成分，还存在一些网络结构的设计问题、学习算法中的局部极小问题和学习的快速性问题等，使得SVM得以迅速发展和完善，并形成了一个比较完善的统计学习理论。支持向量机以全新的思想在处理小样本、非线性及高维度的模式识别问题中占据重要地位，其坚实的理论基础在很多研究领域中都表现出良好的推广性能，目前已成为神经网络和机器学习的研究热点。很多学者认为，对于支持向量机的研究也会像20世纪80年代后期人工神经网络研究那样飞速发展。
目前，支持向量机的研究热点主要是训练算法的研究和模型选择的研究，SVM训练就是为了解决一个二次规划或者其对偶问题。Carozza[12]提出一种增量式学习方法，主要内容就是只对影响Lagrange系数最大的学习机器进行更新，来减少计算的复杂度。Xiao etal[13]和Ralaivola[14]等也分别提出了有关增量式学习的一些训练算法。张学工等[15]提出了CSVM（Central SVM）算法，将每类训练样本集进行聚类分成若干子集，用子集中心组成新的训练样本集训练SVM。支持向量机的关键在于模型的选择也就是说核函数的选择最为重要，SVM的核函数有多样，比如多项式核函数、径向基函数等，所以如何构造与实际问题相符合的核函数至关重要。Ayat等[16]认为核函数在零点附近会下降的较快，在无穷远点有适量的下降但不会为零，所以构造了新的核函数KMOD。吴涛等[17]提出基于插值的核函数构造，指出不必要一定构造满足Mercer条件的显式核函数。
另外，支持向量机已广泛应用于时间序列分析、回归分析、聚类分析、动态图像的人脸跟踪、信号处理、语音识别、图像分类和控制系统等诸多领域。例如：Osuna[18]最早将支持向量机应用于人脸检测，并取得较好的效果，其方法是直接训练非线性SVM分类器完成人脸与非人脸的分类。
1.2.4 干旱预测模型研究进展
近年来，国内外一些学者对干旱预测模型有了一定的研究成果，主要归纳如下：对干旱的预测先是由传统的预测方法进行的，这些预测模型是单一的，大都基于数理统计方法，主要有多元线性回归模型、主成分分析法、时间序列预测方法、马尔科夫链以及加权马尔科夫链方法等。陈艳春等人[19]首先提出关于干旱强度的新概念来反映受旱强度和面积以及干旱持续时间的综合作用，并通过将1975年至1994年逐旬山东省受旱面积资料进行详细的研究，分别计算出山东省的平均春旱强度、夏旱强度和秋旱强度后，与前期或同期的降水量进行回归分析，并由此建立了干旱预警模型。张玉芳等人[20]在分析四川省作物干旱监测业务服务需求时，筛选多个影响因子指标，并采用主成分分析法确定各指标的权重，将多个指标进行分类归纳，建立了四川盆地冬小麦干旱监测预警系统，实验结果表明主成分分析法对盆地小麦旱情的综合判断效果较好，可在业务中逐步完善推广。Paulo等人[21]结合葡萄牙南部7个气象站68年的标准化降水指数资料，通过建立马尔可夫模型和对数线性模型，对干旱进行监测和预报。王彦集等人[22]基于不同时间尺度的标准化降水指数的干旱监测结果，应用加权马尔可夫链方法对未来干旱状态进行预测和分析，并选取关中平原和渭北旱塬36个气象站39年逐月降水数据资料进行实证研究。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/xxaq/1138.html
