水库优化调度函数的SVM方法研究

被引：2

作者：

左吉昌

李承军

樊荣

机构：

[1] 华中科技大学数字化工程与仿真中心

来源：

人民长江 | 2007年 / 01期

关键词：

水库优化调度函数; 支持向量机(SVM); 回归;

D O I：

10.16232/j.cnki.1001-4179.2007.01.004

中图分类号：

TV697.11 [];

学科分类号：

081504 ;

摘要：

针对水库调度函数的复杂性、非线性,以及水文资料的有限性,尝试用支持向量机技术建立水库优化调度函数。不同于神经网络等传统以训练误差最小化作为优化目标,SVM采用结构风险最小化原则,把训练误差作为优化问题的约束,以置信范围最小化作为优化目标。因此,SVM的泛化能力要明显优于神经网络等传统学习方法。以洪家渡水电站42 a的径流资料对不同算法进行了比较,证明SVM方法的调度函数具有更好的性能。

引用

页码：8 / 9+104 +104

页数：3