高风昕

（黄淮学院 数学与统计学院，河南 驻马店 463000）

麦芽虫又称腻虫，据统计，我国每年因为麦蚜虫的危害使小麦减产2×108～3×108t。目前，国内外对小麦蚜虫的预测模型主要采用统计的方法，如李文峰等[1]利用逐步回归的方法构建蚜虫预报预测模型，丁世飞等[2]用逐步判别方法构建麦蚜虫发生期的模型，Luo等[3]利用SPSS中的逻辑回归的方法给出蚜虫预报预测模型。支持向量机在小样本训练方面比其他方法更胜一筹，该方法的泛化能力非常强，而支持向量机大多运用在证券、金融、大气污染物浓度的预测中，在小麦蚜虫发生程度的预测模型的研究中国内外文献资料涉及的很少。本文运用支持向量机回归对豫南地区小麦蚜虫发生程度进行预测，以豫南地区2008年—2019年的麦芽发生情况、气象资料为依据，给出小麦蚜虫发生的17个影响因子，利用主成分分析的方法对输入因子降维，从而得到支持向量机的训练样本和测试样本，由此建立基于RBF核函数支持向量机回归的小麦发生程度的预测模型。经测试样本检验表明，该方法预测精度高、泛化能力和时效性强，具有良好的应用前景。

1 支持向量机基本原理

支持向量机（SVM）将每个样本数据表示为空间中的点，使不同类别的样本点尽可能明显地区分开。通过将样本的向量映射到高维空间中，寻找最优化区分两类数据的超平面，使各类到超平面的距离最大化，距离越大表示SVM的分类误差越小，即使数据集的边缘点到分界超平面的距离最大，称边缘点为支持向量。……