武汉理工大学学报（信息与管理工程版）
武漢理工大學學報（信息與管理工程版）
무한리공대학학보（신식여관리공정판）
Journal of Wuhan University of Technology (Information & Management Engineering)
2015年
5期
593-597
,共5页
支持向量机%回归模型%径流量预测%遗传算法寻优
支持嚮量機%迴歸模型%徑流量預測%遺傳算法尋優
지지향량궤%회귀모형%경류량예측%유전산법심우
support vector machines(SVMs)%regression model%runoff forecast%genetic algorithm
利用遗传算法（GA）寻优优化传统的支持向量机（SVM），并将GA－SVM模型应用到水文预测中，建立了基于GA－SVM的河川径流量预测回归模型，利用双累积曲线剔除人类活动的不确定因素。以云南省昆明高古马站的月平均径流量作为实证研究对象，将预测结果与BP神经网络的预测结果进行对比。结果表明，支持向量机的预测值与实际值误差较小，具有较高的预测精度；利用支持向量机回归方法进行水文预测具有较高的研究价值和应用前景。
利用遺傳算法（GA）尋優優化傳統的支持嚮量機（SVM），併將GA－SVM模型應用到水文預測中，建立瞭基于GA－SVM的河川徑流量預測迴歸模型，利用雙纍積麯線剔除人類活動的不確定因素。以雲南省昆明高古馬站的月平均徑流量作為實證研究對象，將預測結果與BP神經網絡的預測結果進行對比。結果錶明，支持嚮量機的預測值與實際值誤差較小，具有較高的預測精度；利用支持嚮量機迴歸方法進行水文預測具有較高的研究價值和應用前景。
이용유전산법（GA）심우우화전통적지지향량궤（SVM），병장GA－SVM모형응용도수문예측중，건립료기우GA－SVM적하천경류량예측회귀모형，이용쌍루적곡선척제인류활동적불학정인소。이운남성곤명고고마참적월평균경류량작위실증연구대상，장예측결과여BP신경망락적예측결과진행대비。결과표명，지지향량궤적예측치여실제치오차교소，구유교고적예측정도；이용지지향량궤회귀방법진행수문예측구유교고적연구개치화응용전경。
The traditional support vector machine was optimized by genetic algorithm.A river runoff forecasting model based on GA-SVM was established.Double mass curve was used to reduce the effect factors of human activities.The statistic data of runoff of Gaoguma Hydrometrical Station in Yunnan were used as the empirical research object.The comparison of predicting out-comes was conducted between the BP neural networks and SVMs.It is proved that the GA-SVM model is more precise and ef-fective in runoff forecast.
