10.11705/j.issn.1672-643X.2015.02.25
基于模拟退火算法支持向量机在枯水期月径流预测中的应用
鉴于支持向量机(SVM)最佳算法参数难以确定的不足,利用模拟退火算法(SA)搜索SVM学习参数,提出SA-SVM预测模型,并与基于遗传算法( GA)搜索SVM学习参数的GA-SVM模型作对比,以云南省龙潭站枯水期1-3月月径流预测为例进行实例研究,利用实例前43年和后10年资料对模型进行训练和预测。结果表明:SA-SVM模型对实例后10年枯水期1-3月月均径流预测的平均相对误差绝对值分别为3.11%、4.93%和6.75%,精度优于GA-SVM模型,表明SA-SVM模型具有较高的预测精度和泛化能力。 SA算法通过赋予搜索过程一种时变且最终趋于零的概率突跳性,有效避免了算法陷入局部极值并最终趋于全局最优。
径流预测、模拟退火算法、支持向量机、参数优化、枯水期
P333.3(水文科学(水界物理学))
2015-05-21(万方平台首次上网日期,不代表论文的发表时间)
共4页
135-138