资源科学
資源科學
자원과학
Resources Science
2007年
5期
105-109
,共5页
地下水位%支持向量机%混沌%预测%优化
地下水位%支持嚮量機%混沌%預測%優化
지하수위%지지향량궤%혼돈%예측%우화
地下水位动态受到自然因素和人为因素的影响,随机性明显,因此在地下水物理过程分析的基础上构建地下水位动态预测的随机性模型对地下水资源评价具有重要意义.本文将小样本机器学习理论--统计学习理论中的支持向量机理论引入地下水位动态预测.最小二乘支持向量机是支持向量机的一种,考虑到地下水位动态序列的长度和峰值突变性的特点,本文提出一种改进的支持向量机-峰值识别最小二乘支持向量机;并针对支持向量机算法存在的参数优化、训练和测试速度等问题,结合混沌优化方法,建立了基于混沌优化的峰值识别最小二乘支持向量机地下水位动态预测模型;最后本文以内蒙古河套灌区义长灌域1990年~2004年3个灌期(夏灌(4月~6月)、秋灌(7月~9月)和秋浇(10月~11月)降水量、平均气温、蒸发量、引水量、地下水开采量、地下水排泄量和地下水位埋深共15年45个样本资料为数据源,将该模型和原最小二秉支持向量机模型分别用于义长灌域地下水位动态预测.结果表明,该模型的拟合值、检验值和预测值与实际值复合的很好,拟合的平均相对误差绝对值为2.0868%,检验的平均相对误差绝对值为3.4777%,预测的平均相对误差绝对值为6.8589%,且训练和测试速度快,而原最小二乘支持向量机模型预测的平均相对误差绝对值为20.6767%.因此,该模型用于地下水位动态预测是可行和有效的.
地下水位動態受到自然因素和人為因素的影響,隨機性明顯,因此在地下水物理過程分析的基礎上構建地下水位動態預測的隨機性模型對地下水資源評價具有重要意義.本文將小樣本機器學習理論--統計學習理論中的支持嚮量機理論引入地下水位動態預測.最小二乘支持嚮量機是支持嚮量機的一種,攷慮到地下水位動態序列的長度和峰值突變性的特點,本文提齣一種改進的支持嚮量機-峰值識彆最小二乘支持嚮量機;併針對支持嚮量機算法存在的參數優化、訓練和測試速度等問題,結閤混沌優化方法,建立瞭基于混沌優化的峰值識彆最小二乘支持嚮量機地下水位動態預測模型;最後本文以內矇古河套灌區義長灌域1990年~2004年3箇灌期(夏灌(4月~6月)、鞦灌(7月~9月)和鞦澆(10月~11月)降水量、平均氣溫、蒸髮量、引水量、地下水開採量、地下水排洩量和地下水位埋深共15年45箇樣本資料為數據源,將該模型和原最小二秉支持嚮量機模型分彆用于義長灌域地下水位動態預測.結果錶明,該模型的擬閤值、檢驗值和預測值與實際值複閤的很好,擬閤的平均相對誤差絕對值為2.0868%,檢驗的平均相對誤差絕對值為3.4777%,預測的平均相對誤差絕對值為6.8589%,且訓練和測試速度快,而原最小二乘支持嚮量機模型預測的平均相對誤差絕對值為20.6767%.因此,該模型用于地下水位動態預測是可行和有效的.
지하수위동태수도자연인소화인위인소적영향,수궤성명현,인차재지하수물리과정분석적기출상구건지하수위동태예측적수궤성모형대지하수자원평개구유중요의의.본문장소양본궤기학습이론--통계학습이론중적지지향량궤이론인입지하수위동태예측.최소이승지지향량궤시지지향량궤적일충,고필도지하수위동태서렬적장도화봉치돌변성적특점,본문제출일충개진적지지향량궤-봉치식별최소이승지지향량궤;병침대지지향량궤산법존재적삼수우화、훈련화측시속도등문제,결합혼돈우화방법,건립료기우혼돈우화적봉치식별최소이승지지향량궤지하수위동태예측모형;최후본문이내몽고하투관구의장관역1990년~2004년3개관기(하관(4월~6월)、추관(7월~9월)화추요(10월~11월)강수량、평균기온、증발량、인수량、지하수개채량、지하수배설량화지하수위매심공15년45개양본자료위수거원,장해모형화원최소이병지지향량궤모형분별용우의장관역지하수위동태예측.결과표명,해모형적의합치、검험치화예측치여실제치복합적흔호,의합적평균상대오차절대치위2.0868%,검험적평균상대오차절대치위3.4777%,예측적평균상대오차절대치위6.8589%,차훈련화측시속도쾌,이원최소이승지지향량궤모형예측적평균상대오차절대치위20.6767%.인차,해모형용우지하수위동태예측시가행화유효적.