CAJ | 학술논문

针对岩溶含水系统高度的非线性特征,在小样本时间序列条件下,引入了能较好解决小样本、非线性问题的支持向量回归方法,利用偏最小二乘回归对影响地下河流量的诸多因素进行综合分析,并提取主成分作为支持向量机的输入变量,采用遗传算法优化模型参数,建立了地下河日流量预测的偏最小二乘-遗传-支持向量回归模型;将该模型用于后寨典型岩溶地下河流域日流量模拟和预测,并与BP人工神经网络、多元线性回归模型预测结果进行对比.偏最小二乘-遗传-支持向量回归模型模拟期的均方误差(MSE)、平均绝对百分比误差(MAPE)分别为0.25%、6.89%,预测期为0.65%、6.03%;BP神经网络模拟期的MSE、MAPE分别为0.24%、7.30%,预测期为0.84%、7.39%;多元线性回归模型模拟期的MSE、MAPE分别为0.28%、9.30%,预测期为1.10%、10.54%.结果表明,偏最小二乘-遗传-支持向量回归模型预测精度明显优于BP人工神经网络和多元线性回归模型.
침대암용함수계통고도적비선성특정,재소양본시간서렬조건하,인입료능교호해결소양본、비선성문제적지지향량회귀방법,이용편최소이승회귀대영향지하하류량적제다인소진행종합분석,병제취주성분작위지지향량궤적수입변량,채용유전산법우화모형삼수,건립료지하하일류량예측적편최소이승-유전-지지향량회귀모형;장해모형용우후채전형암용지하하류역일류량모의화예측,병여BP인공신경망락、다원선성회귀모형예측결과진행대비.편최소이승-유전-지지향량회귀모형모의기적균방오차(MSE)、평균절대백분비오차(MAPE)분별위0.25%、6.89%,예측기위0.65%、6.03%;BP신경망락모의기적MSE、MAPE분별위0.24%、7.30%,예측기위0.84%、7.39%;다원선성회귀모형모의기적MSE、MAPE분별위0.28%、9.30%,예측기위1.10%、10.54%.결과표명,편최소이승-유전-지지향량회귀모형예측정도명현우우BP인공신경망락화다원선성회귀모형.