基于時間序列模型和SVM的草地生物量預(yù)測研究——以青海湖流域為例.pdf

1、研究草地生物量和環(huán)境因子的關(guān)系以及準(zhǔn)確預(yù)測草地生物量是草地資源科學(xué)利用的一項重要課題。準(zhǔn)確預(yù)測草地的生物量能掌握生長季草地的生長規(guī)律，有計劃地預(yù)報草地的生長狀況，對草地資源的保護(hù)和規(guī)劃利用，放牧強(qiáng)度及載畜量的確定具有重要的指導(dǎo)意義。目前生物量預(yù)測方面的研究很少，相關(guān)研究人員主要采用積分回歸的方法建立回歸方程來預(yù)測生物量，通過對歷史數(shù)據(jù)擬合趨勢線，并按照趨勢對未來某一時刻的草地資源狀況進(jìn)行預(yù)測，難以全面準(zhǔn)確預(yù)測草地生物量。本文為了預(yù)測未來

2、生物量的分布狀況，提供動態(tài)的草場長勢信息和草場生物量數(shù)據(jù)，首先構(gòu)建不同時間序列模型進(jìn)行精度比較，最終選取最優(yōu)時間序列模型建立草場生物量動態(tài)預(yù)測模型，利用支持向量機(jī)模型（Support Vector Machine, SVM）生成青海湖流域2015年生長季預(yù)測生物量數(shù)據(jù)集（8天，500米），預(yù)測分析青海湖流域生物量的空間分布格局及其變化趨勢特征。本文主要的研究工作和結(jié)論如下：
　?。?）首先提取青海湖流域站點數(shù)據(jù)構(gòu)建模型，以青海湖流

3、域2000-2014年歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI）作為輸入數(shù)據(jù)（8天，500米），利用時間序列模型生成預(yù)測NDVI。選取多個時間序列模型：趨勢移動平均法、二次指數(shù)平滑法、差分自回歸滑動平均模型（ARIMA）預(yù)測2015年NDVI的空間分布并進(jìn)行精度比較?；谝陨夏Ｐ偷臉?gòu)建與對比，發(fā)現(xiàn)ARIMA模型有更高的精度，能夠真實反映青海湖流域2015年NDVI分布狀況。<

4、br>　?。?）基于預(yù)測 NDVI數(shù)據(jù)集，結(jié)合氣候數(shù)據(jù)建立回歸優(yōu)化模型并進(jìn)行精度分析，選取不同修正方案，獲取最優(yōu)NDVI修正方案生成面上預(yù)測NDVI數(shù)據(jù)集。實驗分為三個方案（方案一：NDVI利用 ARIMA模型生成預(yù)測 NDVI；方案二：基于方案一經(jīng)回歸模型優(yōu)化生成新的預(yù)測 NDVI；方案三：利用 ARIMA模型分別生成預(yù)測的 NDVI、溫度和降水，三者經(jīng)回歸模型優(yōu)化生成新的預(yù)測 NDVI）。實驗發(fā)現(xiàn)：方案三精度（ R2=0.8912，