基于時間序列模型和SVM的草地生物量預測研究——以青海湖流域為例.pdf

1、研究草地生物量和環(huán)境因子的關系以及準確預測草地生物量是草地資源科學利用的一項重要課題。準確預測草地的生物量能掌握生長季草地的生長規(guī)律，有計劃地預報草地的生長狀況，對草地資源的保護和規(guī)劃利用，放牧強度及載畜量的確定具有重要的指導意義。目前生物量預測方面的研究很少，相關研究人員主要采用積分回歸的方法建立回歸方程來預測生物量，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行預測，難以全面準確預測草地生物量。本文為了預測未來

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)，首先構建不同時間序列模型進行精度比較，最終選取最優(yōu)時間序列模型建立草場生物量動態(tài)預測模型，利用支持向量機模型（Support Vector Machine, SVM）生成青海湖流域2015年生長季預測生物量數(shù)據(jù)集（8天，500米），預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論如下：
　?。?）首先提取青海湖流域站點數(shù)據(jù)構建模型，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）預測2015年NDVI的空間分布并進行精度比較?；谝陨夏Ｐ偷臉嫿ㄅc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>　?。?）基于預測 NDVI數(shù)據(jù)集，結合氣候數(shù)據(jù)建立回歸優(yōu)化模型并進行精度分析，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模型生成預測 NDVI；方案二：基于方案一經(jīng)回歸模型優(yōu)化生成新的預測 NDVI；方案三：利用 ARIMA模型分別生成預測的 NDVI、溫度和降水，三者經(jīng)回歸模型優(yōu)化生成新的預測 NDVI）。實驗發(fā)現(xiàn)：方案三精度（ R2=0.8912，