基于支持向量回归模型的水稻田甲烷排放通量预测研究

利用静态箱和气相色谱仪法获取水稻田甲烷排放通量数据,选取大气温度、土壤5 cm深温度、土壤pH、土壤Eh、土壤含水量和地表生物量作为影响因子.应用建立在结构风险最小化优化上的支持向量回归(ε-SVR)模型,采用留一法交叉检核网格搜索法(LOOCV)优化ε-SVR预测模型的参数,采用k折交叉检验的方法依据平均相对误差(MRE)和均方根误差(RMSE)对模型的精度进行验证,并与BP人工神经网络(BP-ANN)模型比较,评价ε-SVR预测模型的准确性.结果表明,通过LOOCV选择最优的惩罚因子C和损失系数ε,并由此构建的ε-SVR预测模型预测值和实测值具有很好的一致性,通过11折交叉验证后,测试样本的平均MRE为44％,平均RMSE为16.21 mg· (m2·h)-1.通过与BP-ANN模型比较,预测值和实际值相关系数达0.863,各项指标均优于BP-ANN预测模型,说明ε-SVR模型能够适用于水稻田甲烷排放通量的预测.