基于几种参数优化的支持向量机在径流预报中的比较分析

• 作者: 崔东文 郭荣
• 来源期刊: 水资源研究
• 学科: 工学
• 关键词: 支持向量机 遗传算法 粒子群算法 交叉验证 神经网络 水文预报
• 年，卷（期）: 2013,（2）
• 页码范围: 34-38
• 页数: 5页
• 分类号: TP181

摘要

基于支持向量机（SVM）基本原理及方法，构建基于径向基核函数的SVM径流预测模型。针对SVM惩罚因子和核函数参数的选取对模型的预测精度有着关键性影响，提出基于遗传优化算法（GA）、粒子群优化算法（PSO）和交叉验证（CV）方法的GA—SVM、PSO—SVM和CV—SVM径流预测模型。以盘龙河天保站月径流预测为例进行分析，并与传统BP神经网络预测模型进行比较。结果表明：GA—SVM、PSO—SVM和CV—SVM径流预测模型具有较好的预报精度，预测效果明显优于传统BP神经网络模型，表明所构建的几种基于参数优化的SVM模型用于径流预测是合理可行和有效的。相对而言，GA—SVM、PSO—SVM模型的预测精度略高于CV—SVM模型。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	崔东文		90	901	17.0	26.0
2	郭荣		7	25	3.0	5.0