江苏大学学报(自然科学版)

作者：高心怡,韩飞

单位：江苏大学 计算机与通信工程学院, 江苏 镇江 212013

关键词： 粮食产量, 支持向量机, 混合智能算法, 粒子群算法, 人工鱼群算法

基金：国家自然科学基金资助项目（61572241，61976108）； 国家重点研发计划项目（2017YFC0806600）； 江苏省&ldquo;六大人才高峰计划&rdquo;高层次人才计划项目（2015DZXX024）； 江苏省&ldquo;333工程&rdquo;第三层次人才计划项目（（2016）III-0845）<br />

考虑到粮食产量的非线性,提出一种基于混合智能算法的支持向量机的预测模型,针对粒子群算法(PSO)易于陷入局部最优的特点,融合改进的粒子群算法(GAPSO)以及人工鱼群算法(AFSA)得到混合智能算法(GAPSOAFSA),通过种群自身内部的变异交叉以及族外竞争机制,使得目标函数值向全局最优解快速收敛,提高了算法的全局搜索能力,最终得到支持向量机的最优参数组合.将支持向量机预测模型用于中国粮食产量预测中,通过试验验证了模型的正确性,并证实了该预测模型拥有较好的预测效果.

来源：2020年第3期

《江苏大学学报(自然科学版)》期刊编辑部

查看江苏大学学报(自然科学版)杂志2020年第3期