一种基于支持向量回归的蒸散发数据缺失插补方法研究  

A Gap-Filling Method for Evapotranspiration Data Deficiency Based on Support Vector Regression

作　　者：林诗杰[1,2] 黎建辉[1] 何洪林[3] 郭旦怀[1] 

机构地区：[1]中国科学院计算机网络信息中心,北京100190 [2]中国科学院大学,北京100190 [3]中国科学院地理科学与资源研究所生态系统研究网络综合中心,北京100190

出　　处：《科研信息化技术与应用》2013年第3期68-75,共8页E-science Technology & Application

基　　金：中国科学院战略性先导科技专项(XDA05050601-4);中国科学院战略性先导科技专项子专题(XDA05050602-4-5);国家"十二五"科技支撑计划(2012BAK17B01-1);中国科学院"十二五"信息化专项(XXH12504)

摘　　要：准确获取蒸散发数据,对于更好地开展生态研究有着重要意义。在生态观测基站上,蒸散发数据会发生记录缺失,而在获取到的环境因子数据有限,并且观测到的环境因子数据存在误差的情况下,准确插补蒸散发数据是一个难题。本文提出从机器学习方法角度,应用特征排序选择算法,对影响变量进行特征排序选择,并使用支持向量回归机(Support Vector Regression,SVR),贝叶斯神经网络对这些缺失值进行插补并作对比实验。在环境因子数据有限的条件下,特征选择排序方法能够帮助我们找出更好地预测蒸散发数据的特征组合,支持向量回归机算法则取得了对蒸散发缺失值预测的不错效果。Evapotranspiration is an import component of water balance. In Qiangyanzhou data observation site, some evapotranspiration data are missing due to various reasons. The major objective of this study was to accurately estimate evapotranspiration with limited input variables use some machine learning algorithms. Firstly, we used Jian-bo Yang KDD＇I O＇s algorithm which based on Recursive Feature Elimination（RFE） for feature selection and sorting. Then we used support vector regression（SVR） as the predicted model, and compare with another predicted model Bayesian neural network（BNN）. We find that SVR can predict better, and can be successfully applied to estimate evapotranspiration.

关 键 词：支持向量回归机 数值预测 贝叶斯神经网络 特征选择 特征排序 

分 类 号：O223[理学—运筹学与控制论]