多维时间序列因变量的快速定阶及其害虫发生量预测

以对数线性去趋势法平稳化多维时间序列因变量,结合地统计学的后效时间长度与支持向量回归进行因变量自动快速定阶及自变量非线性筛选,最后利用一步预测法验证模型的外部预测能力。将该方法应用于两种害虫发生量预测,其预测均方误差均优于其他参比模型。该方法具有地统计学半变异函数模型与支持向量回归的诸多优点,适用于受多因素影响的非线性多维时间序列的预测预报。

基于支持向量回归的非线性变量筛选用于酚类化合物QSAR建模的研究

首先基于支持向量回归(SVR)依均方根误差最小原则确定最优核函数,再以最优核函数为基础,进行SVR非线性自变量筛选,最后以所选自变量进行建模预测。将该方法应用于酚类化合物的QSAR研究,最优核函数确定为径向基核,最终保留自变量为疏水性参数(lgP)与拓扑指数(Am3)。结果表明:基于SVR进行变量筛选能有效地剔除无关自变量,进一步改进SVR对小样本数据的建模预测能力。该方法在农业环境毒性污染物的QSAR研究领域有较广泛的应用前景。