LS-SVM在径流预测中的应用

被引：18

作者：

李佳 ^{[1
]}

王黎 ^{[1
]}

马光文 ^{[1
]}

邬凯 ^{[2
]}

机构：

[1] 四川大学水电学院

[2] 中国科学院武汉岩土力学研究所

来源：

中国农村水利水电 | 2008年 / 05期

关键词：

水利管理; 径流预测; 最小二乘支持向量机; 核函数;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

提出一种基于最小二乘支持向量机(LS-SVM)的径流预测方法。采用线性函数、多项式函数和径向基函数3种核函数进行机器学习,经过反复计算和对比分析,建立了精度较高的径流预测模型。预测实例表明,LS-SVM模型预测的平均相对误差比支持向量机(SVM)减少了2.4%,预测合格率为100%。LS-SVM建模速度快,适用于小样本情况并能得到全局最优解,将其用于径流预测是可行的。

引用

页码：8 / 10+14 +14

页数：4

共 7 条

[1] 基于LS-SVM的小水电站年发电量智能预测模型 [J].