基于主成分分析的果蝇算法优化支持向量机回归的红枣产量预测

作     者：李晋泽 赵素娟 李宁 李俊成 刘森 马继东 LI Jin-ze;ZHAO Su-juan;LI Ning;LI Jun-cheng;LIU Sen;MA Ji-dong

作者机构：东北林业大学机电工程学院哈尔滨150040 太原理工大学矿业工程学院太原030024 

出 版 物：《科学技术与工程》 (Science Technology and Engineering)

年 卷 期：2024年第24卷第4期

页      面：1425-1432页

学科分类：082804[工学-农业电气化与自动化] 08[工学] 0828[工学-农业工程] 

基　　金：国家自然科学基金(31870537) 

主　　题：红枣产量预测 支持向量机回归(SVR) 果蝇算法(FOA) 主成分分析(PCA) 

摘      要：随着大数据技术和人工智能的快速发展,针对当前红枣产量预测模型精度低、模型优化时间过长等问题,以山西省1993—2020年的红枣产量及17个维度的因素作为基础数据,提出一种基于主成分分析的果蝇算法优化支持向量机回归(principal component analysis-fruit fly optimization algorithm-support vector regression,PCA-FOA-SVR)的红枣产量预测模型。首先利用主成分分析(principal component analysis,PCA)对数据进行降维处理,以5维的指标作为输入变量,产量作为输出变量;其次以支持向量机回归(support vector regression,SVR)为基础模型,利用果蝇优化算法(fruit fly optimization algorithm,FOA)对SVR参数惩罚因子c和核函数参数g进行寻优,构建PCA-FOA-SVR模型。对试验结果进行验证。发现PCA-FOA-SVR的均方根误差(root mean square error,RMSE)、平均绝对误差(mean absolute error,MAE)、决定系数R 2分别为3.11、3.01、0.96,SVR的各指标分别为5.33、4.07、0.9,分别提高了41.7%、26%、6.7%,最后通过GM(1,1)对各维度的数据进行预测,利用PCA-FOA-SVR模型对未来10年山西省红枣产量进行预测,结果显示在2025年红枣产量会达到一个峰值,对后续相关研究提供了一定的科学依据。