發(fā)布時間：2018-02-10 09:30

  本文關鍵詞： 供水管網 水壓預測 數據驅動 支持向量機　出處：《給水排水》2014年11期 　論文類型：期刊論文

【摘要】：隨著SCADA系統的不斷成熟,供水管網實時狀態(tài)數據也越來越完整,充分利用這些實時數據對城市供水管網的測壓點壓力進行預測,是進行管網優(yōu)化調度的基礎。建立了供水管網測壓點壓力預測的支持向量機(Support Vector Machine,SVM)模型,利用實時數據進行求解,采用交叉驗證的方法優(yōu)化選擇核函數和懲罰參數。實例表明,與BP神經網絡相比,SVM模型的預測精度高、結果穩(wěn)定,各個節(jié)點的預測誤差均在0.2m以內。
[Abstract]:With the maturity of SCADA system, the real-time state data of water supply network is more and more complete. The support vector machine (SVM) support Vector Machine (SVM) model is established to predict the pressure of pressure measuring points in water supply network. The model is solved by real-time data, and the kernel function and penalty parameters are optimized by cross-validation method. Compared with BP neural network, the prediction accuracy of SVM model is high, the result is stable, and the prediction error of each node is within 0.2 m.
【作者單位】： 清華大學深圳研究生院;
【基金】：深圳市引進海外高層次人才 ‘孔雀計劃’(KQCX20130628155525052) 深圳市基礎研究計劃(JX201105180804A,JCYJ20120616213618826,ZDSY20120619140933512) 歐盟第七框架計劃(PIRSES-GA-2012318985)
【分類號】：TU991.32

【共引文獻】

相關期刊論文 前10條

1 楊緒兵,韓自存;ε不敏感的核Adaline算法及其在圖像去噪中的應用[J];安徽工程科技學院學報(自然科學版);2003年04期

2 陶秀鳳,唐詩忠,周鳴爭;基于支持向量機的軟測量模型及應用[J];安徽工程科技學院學報(自然科學版);2004年02期

3 許高程;張文君;王衛(wèi)紅;;支持向量機技術在遙感影像滑坡體提取中的應用[J];安徽農業(yè)科學;2009年06期

4 郭立萍;唐家奎;米素娟;張成雯;趙理君;;基于支持向量機遙感圖像融合分類方法研究進展[J];安徽農業(yè)科學;2010年17期

5 馮學軍;;最小二乘支持向量機的研究與應用[J];安慶師范學院學報(自然科學版);2009年01期

6 鄒心遙;姚若河;;基于LSSVM的威布爾分布形狀參數估計(英文)[J];半導體技術;2008年06期

7 鄒心遙;姚若河;;基于LSSVM的小子樣元器件壽命預測[J];半導體技術;2011年09期

8 李卓遠,吳為民,王e，

本文編號：1500204