Un bref commentaire sur le modèle prédisant le rendement en flexion couramment utilisé est défini et la production d'un modèle de prévision de la production d'irrigation est basée sur le plus petit vecteur de support carré. Les vecteurs de support au carré minimum utilisent des méthodes de planification secondaires pour remplacer les vecteurs de support automatique traditionnels pour résoudre les estimations fonctionnelles. Le vecteur de support carré le plus petit utilise le principe de risque structurel, deux normes de différentes fonctions de perte, c'est-à-dire des erreurs de la valeur (variables de relaxation manquées) sélectionnées dans la cible optimale. Cela rend l'optimisation de la plus petite machine à vecteur carré pour: Min1 / 2‖‖‖‖22 + c1 / 21σσi = 1ξi2 (ξi est une variable relaxante; C est des paramètres réguliers). Le minimum BINH Phuong SVM pour estimé est: y (x) = vς k = 1kkk (x, xk) + b. Utilisation d'une équation pour convertir des problèmes d'optimisation pour résoudre des équations linéaires, réduisez considérablement la complexité de l'algorithme, en outre, les plus petites carrésSVM avec le noyau radial doit simplement identifier les paramètres γ, σ2 (qui sont des paramètres réglables, σ est le coefficient de largeur de noyau), la réduction tridimensionnelle du SVM standard sud des paramètres réduisant en 2D, aidez à accélérer beaucoup de vitesses de modèle. Pour γ, les paramètres σ2 passent le modèle d'évaluation pour déterminer la valeur optimale des paramètres, améliorant de manière significative la précision prédictive. La production de capacités de culture dans la province de HA Nam simulera les calculs et comparera les résultats prédites de l'échantillon avec le modèle de réseau nerveux et les prédictions grises. Les résultats montrent qu'au moins deux erreurs maximales de prédiction SVM sont de 7,12%, l'erreur moyenne est de 4,81%; L'erreur maximale de la théorie grise est de 38,36%, une erreur moyenne de 17,52%; L'erreur maximale de la prévision de réseau nerveuse est de 10,40% et l'erreur moyenne est de 6,80%. La plus petite machine de vectorielle, le modèle modèle de modèle de carrés le plus petit a une précision élevée et une bonne promotion, une prédiction exceptionnelle entraîne des prévisions grises et des réseaux nerveux artificiels, peut agir comme uneNouvelles méthodes pour produire de la nourriture dans le district d'irrigation.