河南农业科学 ›› 2016, Vol. 45 ›› Issue (1): 138-142.

• 畜牧·兽医 • 上一篇    下一篇

基于支持向量机回归的猪肺疫发病率预测模型研究

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1*   

  1. 1.河南省农业科学院 农业经济与信息研究所,河南 郑州 450002; 2.河南省机关事务管理局,河南 郑州 450003
  • 收稿日期:2015-08-12 出版日期:2016-01-15 发布日期:2016-01-15
  • 通讯作者: 郑国清(1964-),男,河南淅川人,研究员,博士,主要从事农业信息技术研究。E-mail:zgqzx@hnagri.org.cn
  • 作者简介:冯晓(1978-),女,河南郑州人,助理研究员,硕士,主要从事农业信息技术研究。E-mail:fengxiaotyh@163.com
  • 基金资助:
    河南省重大科技专项(121100111000);河南省农业科学院自主创新基金项目(2015JC22)

  • Received:2015-08-12 Published:2016-01-15 Online:2016-01-15

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。

关键词: 猪肺疫, 预测, 时间序列, 支持向量机, 相空间重构