基于支持向量机回归的猪肺疫发病率预测模型研究

作者: 冯晓 [1] 乔淑 [1] 李国强 [1] 钱少俊 [2] 赵巧丽 [1] 周萌 [1] 胡峰 [1] 郑国清

关键词: 猪肺疫预测时间序列支持向量机相空间重构

摘要：为探明支持向量机回归( SVR)模型在动物疫病定量预测上的效果,以便为动物疫病防控决策提供依据,利用广西2007—2013年的猪肺疫月发病率时间序列,进行了SVR模型预测猪肺疫月发病率效果的研究. 首先,以自相关函数法和Cao方法相结合,确定该时间序列的时间延迟为2 ,嵌入维数为6 ,并对其进行相空间重构;然后,依据主分量分析( PCA分布)方法判定该时间序列具有混沌特性,表明其在重构相空间中进行分析预测是可行的;最后,基于相空间重构结果构建SVR模型,分别采用网格搜索算法、遗传算法、粒子群算法对模型参数进行优化,并分析预测效果. 结果表明,运用遗传算法优化SVR模型参数预测效果最优,平均绝对偏差( MAD )为0 . 043、均方误差(MSE)为0. 003、平均绝对百分误差(MAPE)为0. 202. 可见,采用遗传算法优化的SVR模型对猪肺疫发病率的预测是可行有效的.

上一篇： 绞股蓝内生真菌产胞外多糖发酵条件的优化
下一篇： 郑州市宠物源大肠杆菌生物被膜表型与耐药谱型分析

基于支持向量机回归的猪肺疫发病率预测模型研究

作者: 冯晓 [1] 乔淑 [1] 李国强 [1] 钱少俊 [2] 赵巧丽 [1] 周萌 [1] 胡峰 [1] 郑国清

关键词: 猪肺疫 预测 时间序列 支持向量机 相空间重构

关键词: 猪肺疫预测时间序列支持向量机相空间重构