大连理工大学学报
大連理工大學學報
대련리공대학학보
JOURNAL OF DALIAN UNIVERSITY OF TECHNOLOGY
2011年
1期
115-120
,共6页
径流中长期预报%参数辨识%微粒群算法%支持向量机
徑流中長期預報%參數辨識%微粒群算法%支持嚮量機
경류중장기예보%삼수변식%미립군산법%지지향량궤
以径向基函数作为核函数,利用微粒群(PSO)算法的全局寻优特性进行支持向量机(SVM)的参数辩识.在微粒群搜索参数前,先对参数进行指数变换,使[0,1]和[1,∞]有着相同的搜索概率.微粒群算法的适应值函数是以支持向量机模型的推广能力为标准的,讨论了测试样本的最小误差和留一法对支持向量机学习方法推广能力的两种估计.最后以长江宜昌站的月径流资料为例,分别采用ARMA模型、季节性ARIMA模型、BP神经网络模型以及所建立的支持向量机模型进行模拟预测,结果显示了该模型的有效性.
以徑嚮基函數作為覈函數,利用微粒群(PSO)算法的全跼尋優特性進行支持嚮量機(SVM)的參數辯識.在微粒群搜索參數前,先對參數進行指數變換,使[0,1]和[1,∞]有著相同的搜索概率.微粒群算法的適應值函數是以支持嚮量機模型的推廣能力為標準的,討論瞭測試樣本的最小誤差和留一法對支持嚮量機學習方法推廣能力的兩種估計.最後以長江宜昌站的月徑流資料為例,分彆採用ARMA模型、季節性ARIMA模型、BP神經網絡模型以及所建立的支持嚮量機模型進行模擬預測,結果顯示瞭該模型的有效性.
이경향기함수작위핵함수,이용미립군(PSO)산법적전국심우특성진행지지향량궤(SVM)적삼수변식.재미립군수색삼수전,선대삼수진행지수변환,사[0,1]화[1,∞]유착상동적수색개솔.미립군산법적괄응치함수시이지지향량궤모형적추엄능력위표준적,토론료측시양본적최소오차화류일법대지지향량궤학습방법추엄능력적량충고계.최후이장강의창참적월경류자료위례,분별채용ARMA모형、계절성ARIMA모형、BP신경망락모형이급소건립적지지향량궤모형진행모의예측,결과현시료해모형적유효성.
