支持向量机及其在径流预测中的应用

被引：48

作者：

廖杰 ^{[1
]}

王文圣 ^{[1
]}

李跃清 ^{[2
]}

黄伟军 ^{[1
]}

机构：

[1] 四川大学水利水电学院

[2] 中国气象局成都高原气象研究所

来源：

四川大学学报(工程科学版) | 2006年 / 06期

关键词：

支持向量机; 结构风险最小化; 径流预测;

D O I：

10.15961/j.jsuese.2006.06.005

中图分类号：

P333 [水文分析与计算];

学科分类号：

摘要：

给出了支持向量机方法(SVM)的思路、特点及关键之处,探讨了SVM在径流预测中的可能性,并与基于遗传算法的门限回归模型(TR)进行了对比分析。径流预测实例分析表明,在拟合阶段,SVM模型要好于TR模型;在预留检验阶段,SVM模型与TR模型接近。同时SVM模型适合于小样本情况且能达到全局最优。SVM模型用于径流预测是可行的、优越的。

引用

页码：24 / 28

页数：5

共 8 条

[1] 基于支持向量机的洪水预报模型初探
梅松
程伟平
刘国华
[J]. 中国农村水利水电, 2005, (03) : 34 - 36
[2] 支持向量机在地下水位预报中的应用研究
王景雷
吴景社
孙景生
齐学斌
[J]. 水利学报, 2003, (05) : 122 - 128
[3] 最近邻抽样回归模型在水文水资源预报中的应用
王文圣
向红莲
丁晶
[J]. 水电能源科学, 2001, (02) : 8 - 10+14
[4] 人工神经网络非线性时序模型在水文预报中的应用
王文圣
丁晶
刘国东
[J]. 四川水力发电, 2000, (S1) : 8 - 10+30
[5] 熊建秋,邹长武,李祚泳,徐婷婷,汪嘉杨.基于支持向量机的人均综合用水量预测[C].中国环境保护优秀论文集（2005）（上册）,2005:1139-1143
[6] 王文圣,丁晶,李跃清著.水文小波分析[M].北京:化学工业出版社,2005
[7] 金菊良,丁晶著.水资源系统工程[M].成都:四川科学技术出版社,2002
[8] (美)VladimirN.Vapnik著,张学工译.统计学习理论的本质[M].北京:清华大学出版社,2000

← 1 →