简介:土壤侵蚀过程复杂,很难直接应用土壤侵蚀预报方程进行定量计算。作为一种新的机器学习算法,支持向量机在样本有限的情况下,采用结构风险最小化准则,把学习问题转化为一个二次规划问题,从而得到唯一的全局最优解。首次尝试将最小二乘支持向量机技术用于土壤侵蚀预测,并与BP神经网络的方法进行了对比,取得了较好的预测精度。
简介:采用特殊VonBertalanffy生长方程、一般VonBertalanffy生长方程、Logistic生长方程、Gompertz生长方程和Brody生长方程等5种生长方程,拟合了乌伦古湖贝加尔雅罗鱼、额尔齐斯河高体雅罗鱼和赛里木湖新疆雅罗鱼等3种雅罗鱼的体长生长和体重生长。这5个模型拟合贝加尔雅罗鱼的体长生长的残差平方和分别是0.012、1.1×10^-7、0.0001、0.002、0.0002,拟合贝加尔雅罗鱼的体重生长的残差平方和分别是0.34、8.4×10^-5、0.64、0.68、130.9,拟合高体雅罗鱼的体长生长的残差平方和分别是310.2、299.9、544.9、214.4、370.9,拟合高体雅罗鱼的体重生长的残差平方和分别是135698、18797、49660、125730、70046,拟合新疆雅罗鱼的体长生长的残差平方和分别是4.5、3.6、0.5、3.3、29.0,拟合新疆雅罗鱼的体重生长的残差平方和分别是7.2、5.4、827、69、329。结果表明:一般VBGF对3种雅罗鱼的生长具有最好的拟合效果。同时对3种雅罗鱼的保护和利用进行探讨。