岩溶水系统支持向量机泉流量预报模型研究

• 作者: 杨军耀 赵涛
• 来源期刊: 工程勘察
• 学科: 地球科学
• 关键词: 支持向量机 神经网络 时间序列 泉流量预报模型
• 年，卷（期）: 2007,（12）
• 所属期刊栏目: 论文
• 页码范围: 29-32,42
• 页数: 5页
• 分类号: P641.8
• 语种: 中文

摘要

针对岩溶系统结构不甚清晰、基础资料不完备条件下泉水流量预报问题,引入了能较好地解决小样本、非线性、高维数和局部极小点等问题的支持向量机(Support Vector Machines,SVM)方法,将泉流量影响因子时间序列与支持向量机方法有机结合,建立了岩溶水系统支持向量机泉流量预报模型,并与BP神经网络模型进行了实例比较.结果表明,SVM模型具有泛化能力强、预报精度高的特点,可很好地克服神经网络的过学习问题,同时,针对SVM模型"峰值"预报精度差的缺点,提出了"峰值"预报解决方案.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨军耀	太原理工大学水利科学与工程学院	28	118	7.0	9.0
2	赵涛	太原理工大学水利科学与工程学院	2	7	2.0	2.0