PSO嵌入SVM算法的活立木材积预报研究-论文.pdf

《PSO嵌入SVM算法的活立木材积预报研究-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第34卷，第1期光谱学与光谱分析Vo1．34，No．1，pp175—1792014年1月SpectroscopyandSpectralAnalysisJanuary，2014PSO嵌入SVM算法的活立木材积预报研究焦有权，冯仲科h，赵礼曦。，徐伟恒，曹忠1．北京林业大学测绘与3S研究中心，北京1000832．北京农业职业学院，北京1024423．中国农业大学水利与土木工程学院，北京1000834．西南林业大学计算机与信息学院，云南昆明650224摘要为了建立立木材积模型，每年有数十万棵优质活立木被

2、伐倒，这是一种破坏性较大的实验。应用光电经纬仪自动量测与手工量测活立木地径、胸径相结合，通过活立木材积计算软件批量计算，获得中林系107杨(Zhonglinaspel'15No．107)的胸径、树高、树干材积值400组数据集。采用粒子群算法嵌入支持向量机(PSO-SVM)建立了非线性智能活立木材积预报模型，并以400组实验数据集作为研究资料，随机抽选300组数据的胸径和树高作为输入值，材积为输出值，用MATLAB软件运行PSO-SVM工具箱，训练得到PSO-SVM模型，用100组数据进行检验预测。

3、研究表明，PSO-SVM算法模型预测值与实测值间复相关系数r为0．91，r值比Spurr二元材积模型计算值高出2，平均绝对误差率提高0．44。引用经典Spurr二元材积模型计算值和PSO-SVM模型预报值进行对比，认为将PSO算法引入到SVM参数优化中，使活立木材积预报具有自学习能力和自适应能力，PSO-SVM模型对样本数量要求较小、预报准确率高、学习速度快，具有很好的推广价值与应用前景。关键词粒子群算法(PSO)；支持向量机(SVM)；活立木材积；光电经纬仪中图分类号：$758文献标识码：ADO

4、I：10．3964／j．issn．1000—0593(2014)01—0175—05用于小样本预测问题l7]。粒子群算法(particleswarmopti—引言mization，PSO)是一种进化计算技术[g，与其他优化算法比较，PSO算法具有运算速度快，局部搜索能力强，参数设材积表是按树干材积与其胸径、树高和干形之间的回归置简单等优点[1，可以用到SVM预测参数寻优。为了解决关系编制的【】]。德国柯塔(Cotta，1804)编制了山毛榉材积活立木不伐倒而进行材积计测和预报的难题，本工作提出一表

5、。中国国家农林部在2o世纪70年代编制了我国35个种将PSO嵌入SVM算法的改进算法模型，试图解决该难针叶树种、21个阔叶树种的大区域二元材积表。编制立木材题。积表的关键点是确定材积方程，如迈耶、斯泊尔、高田合彦、孟宪宇等数十种之多l3]，孟宪宇用14个树种的3682株供1支持向量回归机算法试木作对比[6]，分析了各类材积方程的精度，这些材积方程通常是多元或多项式回归方程，是以大量实验数据为基础，1．18-SVR标准算法获得的经验方程。随着现代计算理论和技术的发展，急待提支持向量机最初是用于分类问

6、题的，当处理回归问题出新的立木材积方程及模型，为编制精准材积表服务。时，可以得到相应的支持向量回归机算法。设给定回归训练传统的材积经验方程实质是一种预测方法，通常需要大样本集样本，才能获得较好的预测效果，而在森林活立木材积计测T一{(1，Y1)，⋯，(xk，yk))∈(X×y)(1)中，每个树种材积样本数量有限，传统的预测方法无法解决其中五∈X—R”，y∈Y—R，i一1，2，⋯，k。选择￡为这一问题。支持向量机(supportvectormachine，SVM)常被不敏感损失函数收稿日期：2013

7、—06—17。修订日期：2013—09—12基金项目：国家科技推广项目(201146)，国家科技支撑计划项目(2012BAH34B01)，林业公益性行业科研专项项目(201404415)资助作者简介：焦有权，1976年生，北京林业大学林学院博士研究生e-mail：jiaoyouquan@163．corn*通讯联系人e-mail：fengzhongke@126．com176光谱学与光谱分析第34卷c(x，，厂(z))=f一厂(z)I(2)维的全局极值点的位置。w为初始惯性权值，一般取0～JY一厂(z

8、)f一max{0，lY一，()l一￡)(3)1．4，W的减小可以使得所需的迭代次数变小，将W设为随则得到支持向量回归机相对应的原始最优化问题为时间线性减小。为防止粒子远离搜索空间，粒子的每一维速度都会被钳位在[一t，+t]之间，t太大，粒子"∈．1m，￡i．bER专llWll+c∑一i=1(8+)(4)将飞离最好解，太小将会陷入局部最优。S．t．E(w·)+一≤e+8，i一1，2，⋯，k，算法开始时，首先确定粒子规模和粒子维数，初始化一Y一E(w·五)+≤￡+，i一1，2，⋯，k，