一种基于支持向量回归的蒸散发数据缺失插补方法研究

摘要

准确获取蒸散发数据，对于更好地开展生态研究有着重要意义。在生态观测基站上，蒸散发数据会发生记录缺失，而在获取到的环境因子数据有限，并且观测到的环境因子数据存在误差的情况下，准确插补蒸散发数据是一个难题。本文提出从机器学习方法角度，应用特征排序选择算法，对影响变量进行特征排序选择，并使用支持向量回归机（Support Vector Regression，SVR），贝叶斯神经网络对这些缺失值进行插补并作对比实验。在环境因子数据有限的条件下，特征选择排序方法能够帮助我们找出更好地预测蒸散发数据的特征组合，支持向量回归机算法则取得了对蒸散发缺失值预测的不错效果。