水资源与水工程学报
水資源與水工程學報
수자원여수공정학보
JOURNAL OF WATER RESOURCES AND WATER ENGINEERING
2012年
3期
71-76
,共6页
计亚丽%贾克力%李畅游%张俊%韩璞璞%王爽
計亞麗%賈剋力%李暢遊%張俊%韓璞璞%王爽
계아려%가극력%리창유%장준%한박박%왕상
混沌理论%相空间重构%Lyapunov指数%最小二乘支持向量机%径向基%月径流预测%克鲁伦河
混沌理論%相空間重構%Lyapunov指數%最小二乘支持嚮量機%徑嚮基%月徑流預測%剋魯倫河
혼돈이론%상공간중구%Lyapunov지수%최소이승지지향량궤%경향기%월경류예측%극로륜하
采用相空间重构理论计算实测月径流的延迟时间、嵌入维数、G-P饱和关联维数和Laypunov指数,证明克鲁伦河月径流时间序列存在混沌现象.混沌时间序列的最小二乘支持向量机预测模型涉及参数较少,计算过程简便,训练速度快.RBF神经网络预测模型具有较快的训练速度和较强的非线性映射能力.同时,二者在建模中都引用了径向基函数,从而更加简化了非线性问题的求解.实例表明:将这两种模型应用在月径流时间序列预测上,其运算速度都很快,但在预测精度上,最小二乘支持向量机预测模型要优于径向基神经网络预测模型.
採用相空間重構理論計算實測月徑流的延遲時間、嵌入維數、G-P飽和關聯維數和Laypunov指數,證明剋魯倫河月徑流時間序列存在混沌現象.混沌時間序列的最小二乘支持嚮量機預測模型涉及參數較少,計算過程簡便,訓練速度快.RBF神經網絡預測模型具有較快的訓練速度和較彊的非線性映射能力.同時,二者在建模中都引用瞭徑嚮基函數,從而更加簡化瞭非線性問題的求解.實例錶明:將這兩種模型應用在月徑流時間序列預測上,其運算速度都很快,但在預測精度上,最小二乘支持嚮量機預測模型要優于徑嚮基神經網絡預測模型.
채용상공간중구이론계산실측월경류적연지시간、감입유수、G-P포화관련유수화Laypunov지수,증명극로륜하월경류시간서렬존재혼돈현상.혼돈시간서렬적최소이승지지향량궤예측모형섭급삼수교소,계산과정간편,훈련속도쾌.RBF신경망락예측모형구유교쾌적훈련속도화교강적비선성영사능력.동시,이자재건모중도인용료경향기함수,종이경가간화료비선성문제적구해.실례표명:장저량충모형응용재월경류시간서렬예측상,기운산속도도흔쾌,단재예측정도상,최소이승지지향량궤예측모형요우우경향기신경망락예측모형.
