支持向量机在地下水位预报中的应用研究

被引：98

作者：

王景雷

吴景社

孙景生

齐学斌

机构：

[1] 水利部农田灌溉研究所

[2] 水利部农田灌溉研究所河南新乡

[3] 河南新乡

来源：

水利学报 | 2003年 / 05期

关键词：

支持向量机; 地下水位; 预报;

D O I：

10.13243/j.cnki.slxb.2003.05.022

中图分类号：

P641 [水文地质学（地下水水文学）];

学科分类号：

0818 ; 081803 ;

摘要：

针对地下水系统结构不甚清晰、基础资料不完备条件下区域地下水位预报问题,在介绍支持向量机基本原理和实现算法的基础上,探讨了支持向量机方法在区域地下水位预报中的应用,经过与人工神经网络方法预报结果比较,表明该方法具有速度快、泛化能力强的特点,可很好地克服神经网络的过学习问题。

引用

页码：122 / 128

页数：7

共 7 条

[1] 一种基于SVM的函数模拟方法 [J].

李凯 ;

郭子雪 .

微机发展, 2001, (03) :5-6

[2] 应用SVM方法进行沉积微相识别 [J].

阎辉 ;

张学工 ;

李衍达 .

物探化探计算技术, 2000, (02) :158-164

[3] 支持向量机函数拟合在分形插值中的应用 [J].

马云潜 ;

张学工 .

清华大学学报(自然科学版), 2000, (03) :76-78+103

[4] 关于统计学习理论与支持向量机 [J].

张学工 .

自动化学报, 2000, (01) :36-46

[5] 基于支持向量机的数据库学习算法 [J].

田盛丰 ;

黄厚宽 .

计算机研究与发展, 2000, (01) :17-22

[6] 地下水资源系统人工神经网络模型的建立与应用 [J].

丁志雄 ;

陈南祥 ;

苏万益 .

工程勘察, 1999, (02) :44-47

[7]

最优化计算方法[M]. - 上海科学技术出版社 , 席少霖, 1983

← 1 →