基于不同核函数的SVM用于径流预报的比较

被引：6

作者：

王春燕

夏乐天

孙毓蔓

机构：

[1] 河海大学理学院

来源：

人民黄河 | 2010年 / 32卷 / 09期

关键词：

RBF; ERBF; 核函数; SVM; 径流预报;

D O I：

暂无

中图分类号：

P338 [水文预报];

学科分类号：

081501 ;

摘要：

为提高径流预报的预测精度,分别采用基于RBF、ERBF的核函数对碧流河水库的年径流量建立了SVM回归模型。径流预报结果表明:基于ERBF核函数的SVM回归方法的预报误差、均方误差均比基于RBF核函数的SVM回归方法的结果小,径流预测精度也高于基于RBF核函数的SVM方法的结果。

引用

页码：35 / 36+39 +39

页数：3

共 9 条

[1] 河川径流中长期预测的支持向量机模型 [J].

李彦彬 ;

黄强 ;

徐建新 ;

张泽中 .

水力发电学报, 2008, (05) :28-32

[2] SVM在玛纳斯河流域径流预测中的应用与研究 [J].

张伟 ;

何新林 ;

刘兵 .

人民黄河, 2008, (05) :35-36+95

[3] 径流预测的支持向量机应用研究 [J].

卢敏 ;

张展羽 .

中国农村水利水电, 2006, (02) :47-49

[4] 支持向量机在径流预报中的应用探讨 [J].

卢敏 ;

张展羽 ;

冯宝平 .

人民长江, 2005, (08) :38-39+47

[5] 处理非线性分类和回归问题的一种新方法(Ⅱ)——支持向量机方法在天气预报中的应用 [J].

冯汉中 ;

陈永义 .

应用气象学报, 2004, (03) :355-365

[6] 处理非线性分类和回归问题的一种新方法(I)——支持向量机方法简介 [J].

陈永义 ;

俞小鼎 ;

高学浩 ;

冯汉中 .

应用气象学报, 2004, (03) :345-354

[7] 基于支持向量机分类的回归方法 [J].

陶卿 ;

曹进德 ;

孙德敏 .

软件学报, 2002, (05) :1024-1028

[8] 多元自回归模型在枯水径流预报中的应用 [J].

冯国章 ;

王双银 ;

韦华艳 .

自然资源学报, 1996, (02) :184-186

[9]

The Nature of Statistical Learning Theory .2 Vapnik VN. Springer-Verlag . 2000

← 1 →