基于多种算法优化SVM模型的 乌东德水电站降水量预报

• 作者: 周稀 孙俊奎 康道俊 王将 闫丽萍
• 来源期刊: 干旱气象
• 学科: 地球科学
• 关键词: 降水量预报 支持向量机 核函数 全局最优 乌东德水电站
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 业务技术应用
• 页码范围: 670-675
• 页数: 6页
• 分类号: P456
• 字数: 5410字
• 语种: 中文
• DOI: 10.11755/j.issn.1006-7639(2019)-04-0670

摘要

基于粒子群优化(PSO)算法和遗传算法(GA)对支持向量机(SVM)的核函数及主要参数进行训练优化,分别建立PSO算法、GA的支持向量机模型(PSO_SVM、GA_SVM).选用ECMWF及T639数值预报产品资料和乌东德水电站降水资料,普查最优预报因子,构建包含各种类型降水过程的训练样本和测试样本.比较分析SVM模型RBF和Sigmoid核函数优劣.尝试先分段寻找局部最优,再选择全局最优的参数优化方法.通过增大训练样本集、降低交叉验证准确率、迭代次数截断和控制惩罚系数范围的方法,提高模型的稳定性和泛化能力,防止过拟合和收敛缓慢现象.利用测试样本对SVM、PSO_SVM和GA_SVM三种方案进行对比检验,优化的GA_SVM预报效果较好且稳定.经2018年试报表明,GA_SVM逐3 h累计降水量预报TS评分在50％以上,漏报率在15％以下,与ECMWF和T639比较,该模型TS评分提高1.4％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王将		5	8	1.0	2.0
2	孙俊奎		2	0	0.0	0.0
3	闫丽萍		2	0	0.0	0.0
4	康道俊		1	0	0.0	0.0