科学技术与工程
科學技術與工程
과학기술여공정
SCIENCE TECHNOLOGY AND ENGINEERING
2012年
27期
6955-6959
,共5页
差分进化算法%最小二乘支持向量机%径流量预测%优化
差分進化算法%最小二乘支持嚮量機%徑流量預測%優化
차분진화산법%최소이승지지향량궤%경류량예측%우화
针对LSSVM预测模型参数难以确定的问题,利用差分进化(DE)算法的收敛速度快和全局优化能力,优化LSSVM模型的惩罚因子和核函数参数,避免了人为选择参数的盲目性.将优化后的LSSVM模型应用于中长期径流预测问题.选取黄河三门峡站1919年至1992年径流量实测数据进行分析和训练,对1993年至2002年的年径流量进行预测,并与BP神经网络和SVM模型进行比较.研究结果表明,该模型具有较高的预测精度.
針對LSSVM預測模型參數難以確定的問題,利用差分進化(DE)算法的收斂速度快和全跼優化能力,優化LSSVM模型的懲罰因子和覈函數參數,避免瞭人為選擇參數的盲目性.將優化後的LSSVM模型應用于中長期徑流預測問題.選取黃河三門峽站1919年至1992年徑流量實測數據進行分析和訓練,對1993年至2002年的年徑流量進行預測,併與BP神經網絡和SVM模型進行比較.研究結果錶明,該模型具有較高的預測精度.
침대LSSVM예측모형삼수난이학정적문제,이용차분진화(DE)산법적수렴속도쾌화전국우화능력,우화LSSVM모형적징벌인자화핵함수삼수,피면료인위선택삼수적맹목성.장우화후적LSSVM모형응용우중장기경류예측문제.선취황하삼문협참1919년지1992년경류량실측수거진행분석화훈련,대1993년지2002년적년경류량진행예측,병여BP신경망락화SVM모형진행비교.연구결과표명,해모형구유교고적예측정도.
