基于蚁群算法的支持向量机中长期水文预报模型

• 作者: 张世钦 张俊 申建建 程春田
• 来源期刊: 水力发电学报
• 学科: 工学
• 关键词: 支持向量机 蚁群算法 参数优选 水文预报
• 年，卷（期）: 2010,（6）
• 页码范围: 34-40
• 分类号: TV124 P388.1
• 语种: 中文

摘要

支持向量机算法（SVM）具有可靠的全局最优性和良好的泛化能力,尤其适用于中长期水文预报中有限样本的学习,然而该算法的成功与否很大程度上取决于其参数的选择,而常规经验选取方法往往不能获得满意效果。本文建立基于蚁群算法参数优化的支持向量机模型（ACO-SVM）,利用蚁群算法（ACO）基于进化的随机搜索策略对支持向量机参数进行识别。以福建省安砂水库的月径流预报为例,进行建模仿真,将模拟结果与时间序列方法（ARMA）、人工神经网络方法（BP-ANN）所获得的预报结果进行对比分析。结果表明,在拟合精度方面,ACO-SVM模型相比ARMA模型和BP-ANN模型有不同程度的提高,且增幅较大,且具有较好的泛化性能。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程春田	大连理工大学水电与水信息研究所	168	2851	30.0	45.0
2	申建建	大连理工大学水电与水信息研究所	48	545	14.0	22.0
3	张世钦		11	337	8.0	11.0