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。

关键词: 支持向量机, 粒子群, 综合评价, 土壤适宜性