基于IQPSO优化SVM在径流预报中的应用

• 作者: 李文敬 李沛武
• 来源期刊: 南昌工程学院学报
• 学科: 地球科学
• 关键词: 径流预报 参数选择 支持向量机 量子粒子群 混合核函数
• 年，卷（期）: 2018,（3）
• 页码范围: 54-59,90
• 页数: 7页
• 分类号: P338
• 字数: 4466字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-4869.2018.03.012

摘要

提高径流预报精度的关键因素是选取合适的预报模型和预报因子.选择支持向量机作为径流预报模型,针对支持向量机模型参数在应用中存在选取困难的缺点,在标准量子粒子群算法中加入早熟判定准则、高斯扰动和自适应权重,提出改进量子粒子群算法(IQPSO),并使用该算法实现支持向量机参数的自动优选.为了验证效果,分别采用PSO-SVM、QPSO-SVM和径向基神经网络模型预报作对比,并使用多种评价指标进行对比分析.结果表明,使用改进量子粒子群算法优化支持向量机(IQPSO-SVM)模型能够有效提高月径流预报精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李沛武	南昌工程学院信息工程学院	26	133	5.0	10.0
5	李文敬	南昌工程学院信息工程学院	1	6	1.0	1.0