- · 我院召开“十四五”科技创新规划座谈会[01/07]
- · 我院召开“十四五”规划推进会[01/02]
- · 河南日报报业集团副总编辑孙德中一行来我院调研[01/01]
- · 广东省农业科学院院长陆华忠一行到我院考察调研[12/31]
- · 国家重点研发计划“猪重要疫病的诊断与检测新技术研究”项目推进会在郑州召开[12/30]
- · 我院召开种子工作座谈会[12/25]
- · 中共河南省农业科学院直属单位第三次代表大会胜利召开[12/24]
- · 省农业农村厅厅长申延平一行到我院调研[12/23]
基于PSO—SVM模型的土壤适宜性评价
作者: 王亚云 ; 赵艳玲 ; 何厅厅 ; 夏清 ; 侯占东 ; 石娟娟 ; 刘亚萍
关键词: 支持向量机 粒子群 综合评价 土壤适宜性
摘要：土壤适宜性评价是获取土地质量状况的重要手段，可为土地科学规划、管理、科学决策提供重要依据。鉴于此，将支持向量机理论引入土壤评价领域，提出一个全新的土壤适宜性评价模型，为了提高评价精度，针对人为选择惩罚系数（C）、核函数参数（σ）的随机性，利用粒子群算法（PSO）对其进行优化，构建了PSO—SVM模型，SVM模型采用径向基函数（RBF）作为核函数。以溪洛渡水电站嘎勒移民安置区为例，利用PSO—SVM模型对土壤适宜性进行评价，同时与BP神经网络、普通SVM模型进行比较。结果表明：PSO—SVM算法明显提高了分类正确率，结果优于BP神经网络和普通SVM，能更好地反映土壤适宜性，可见，PSO—SVM是一种高精度的土壤适宜性评价模型。