供水技术
供水技術
공수기술
WATER TECHNOLOGY
2012年
4期
43-46
,共4页
信息粒化%支持向量机%网格算法%用水量预测%相对误差
信息粒化%支持嚮量機%網格算法%用水量預測%相對誤差
신식립화%지지향량궤%망격산법%용수량예측%상대오차
利用基于信息粒化的支持向量机预测模型对某市11个月的时用水量数据进行模拟训练,对下一个月的每日最高时用水量进行预测.首先提取每日的最高时用水量,再将每7个数据变换为一个三角型模糊粒子,该模糊粒子中的三个参数Low、R和Up分别代表一周内最高时用水量变化的最小值、平均值和最大值,然后利用SVM对最高时用水量及Low、R和Up进行预测.针对SVM在预测时调整自身相关参数困难的问题,提出了运用网格法对模型中的参数进行优化选择.实例分析结果表明,该模型建模速度快,预测精度高,且实用性强.
利用基于信息粒化的支持嚮量機預測模型對某市11箇月的時用水量數據進行模擬訓練,對下一箇月的每日最高時用水量進行預測.首先提取每日的最高時用水量,再將每7箇數據變換為一箇三角型模糊粒子,該模糊粒子中的三箇參數Low、R和Up分彆代錶一週內最高時用水量變化的最小值、平均值和最大值,然後利用SVM對最高時用水量及Low、R和Up進行預測.針對SVM在預測時調整自身相關參數睏難的問題,提齣瞭運用網格法對模型中的參數進行優化選擇.實例分析結果錶明,該模型建模速度快,預測精度高,且實用性彊.
이용기우신식립화적지지향량궤예측모형대모시11개월적시용수량수거진행모의훈련,대하일개월적매일최고시용수량진행예측.수선제취매일적최고시용수량,재장매7개수거변환위일개삼각형모호입자,해모호입자중적삼개삼수Low、R화Up분별대표일주내최고시용수량변화적최소치、평균치화최대치,연후이용SVM대최고시용수량급Low、R화Up진행예측.침대SVM재예측시조정자신상관삼수곤난적문제,제출료운용망격법대모형중적삼수진행우화선택.실례분석결과표명,해모형건모속도쾌,예측정도고,차실용성강.
