基于KPCA-PSO-SVM的径流预测研究

• 作者: 杨易华 罗伟伟
• 来源期刊: 人民长江
• 学科: 工学
• 关键词: 径流预测 核主成分分析 支持向量机 粒子群优化
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 水文水资源
• 页码范围: 44-47
• 页数: 4页
• 分类号: TV121
• 字数: 2725字
• 语种: 中文
• DOI: 10.16232/j.cnki.1001-4179.2017.03.009

摘要

为提高径流预测模型的准确性与稳定性,对KPCA-PSO-SVM的径流预测方法进行了研究.在分析径流影响因素的基础上,利用核主成分分析(KPCA)法对径流影响因子进行非线性特征提取,获得主成分作为支持向量机(SVM)的输入变量,建立了径流预测SVM模型,其中模型参数通过粒子群算法(PSO)进行优化.模型建立后,以新疆伊犁河雅马渡站中长期径流预测为例进行分析.预测分析结果表明,在拟合和检验阶段模型的平均相对误差分别为0.77%和7.64%,与其他预测模型比较,基于KPCA-PSO-SVM方法建立的径流预测模型有较好的预测和泛化能力,是一种行之有效的中长期径流预测方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗伟伟	武汉大学水资源与水电工程科学国家重点实验室	10	71	6.0	8.0
5	杨易华		1	9	1.0	1.0