温度与发育速率关系模拟是昆虫学研究的一个重要内容, 传统基于经验风险最小的非线性参数模型(Logan模型、Lactin模型和王氏模型)存在诸多弊端。本文基于结构风险最小的改进支持向量回归(SVR)研究温度与棉铃虫Helicoverpa armigera蛹发育历期关系。结果表明: 与传统非线性模型相比, SVR模型性能优异; 基于全部92个样本, SVR模型拟合和留一法预测的决定系数
R2分别为0.998和0.996, 估测的蛹期三基点温度更可信。从全部样本中依温度均匀选取部分样本实施独立预测, 当训练集为20个样本时, SVR模型独立预测的R
2为0.981, 优于传统非线性模型中独立预测最佳的Lactin模型(
R2=0.958); 当训练集进一步减少到12个样本时, SVR模型的R
2仅降低到0.964, 而传统非线性模型均已不适用。结果提示SVR模型在小样本情况下较传统非线性模型优势明显, 在昆虫发育历期估测建模中有应用前景。