本文關(guān)鍵詞：ν-支持向量機洪水預報模型研究

  更多相關(guān)文章： 洪水預報 支持向量機 線性動態(tài)系統(tǒng) BP人工神經(jīng)網(wǎng)絡(luò)

【摘要】：為了提高洪水過程的非線性擬合能力和預報精度,對支持向量機洪水預報模型進行了深入研究。針對鴨綠江流域臨江站的實際情況,建立了臨江站洪水過程ν-SVR預報模型,采用1998~2014年間的大水年份降水資料和洪水過程資料對ν-SVR預報模型進行了率定和驗證,并與線性動態(tài)系統(tǒng)模型、BP人工神經(jīng)網(wǎng)絡(luò)模型和ε-SVR模型進行了比較。結(jié)果表明:ν-SVR洪水預報模型比線性動態(tài)系統(tǒng)模型和BP人工神經(jīng)網(wǎng)絡(luò)具有較高的精度。ν-SVR洪水預報模型具有較好的非線性擬合能力和泛化能力,能很好地控制支持向量個數(shù)、降低模型的復雜程度,同時能保持良好的預報精度。
【作者單位】： 河海大學水文水資源學院;松遼水利委員會水文局;
【基金】：國家自然科學基金項目(41371047)
【分類號】：P338
【正文快照】： 1引言由于洪水過程是高度非線性的動態(tài)過程,許多學者將人工神經(jīng)網(wǎng)絡(luò)方法用于洪水預報獲得了良好的效果[1-3]。BP人工神經(jīng)網(wǎng)絡(luò)具有很好的非線性逼近能力,但還存在過學習、模型計算效率低、泛化能力差等固有的缺點,在訓練樣本洪水代表性不足的條件下,模型的外延能力有限[3]。支

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 章四龍;通用洪水預報模型庫設(shè)計建設(shè)研究[J];水文;2004年06期

2 周軼;菅浩然;李致家;李志龍;;基于遞推最小二乘改進算法的洪水預報模型研究[J];河海大學學報(自然科學版);2007年01期

3 張剛;解建倉;羅軍剛;;洪水預報模型組件化及應(yīng)用[J];水利學報;2011年12期

4 宋雅坪;指數(shù)分流非線性概念洪水預報模型研究[J];電網(wǎng)技術(shù);1995年09期

5 覃光華,趙英林,李記澤,王建華;相應(yīng)漲差河道洪水預報模型研究及應(yīng)用[J];城市道橋與防洪;2001年01期

6 張曉宇,張洪明;以地下徑流為主的洪水預報模型研究[J];昆明理工大學學報(理工版);2002年05期

7 胡興林,暢俊杰,劉根生;考慮區(qū)間正負入流量的自適應(yīng)洪水預報模型[J];水文;2003年03期

8 魏占起;利用漲落洪規(guī)律建立洪水預報模型[J];水文;1998年04期

9 趙軍祥;尼洋河流域洪水預報模型研究[J];西藏科技;2004年11期

10 趙慶緒;馬光文;黃煒斌;蒲小芳;舒衛(wèi)民;;基于洪水地區(qū)組成的門限-人工神經(jīng)網(wǎng)絡(luò)洪水預報模型[J];水力發(fā)電;2012年08期

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 何慧;;廣西西江洪水預報模型研究[A];推進氣象科技創(chuàng)新加快氣象事業(yè)發(fā)展——中國氣象學會2004年年會論文集（下冊）[C];2004年

2 劉曉偉;狄艷艷;許珂艷;李楊俊;彭定志;;渭河下游洪水預報模型研究及應(yīng)用[A];中國水文科技新發(fā)展——2012中國水文學術(shù)討論會論文集[C];2012年

3 黃娟;殷劍敏;申雙和;;基于DEM對洪水預報模型的改進初探[A];中國氣象學會2007年年會生態(tài)氣象業(yè)務(wù)建設(shè)與農(nóng)業(yè)氣象災(zāi)害預警分會場論文集[C];2007年

中國碩士學位論文全文數(shù)據(jù)庫 前2條

1 盧長娜;基于自適應(yīng)遺傳算法的BP網(wǎng)絡(luò)洪水預報模型[D];河海大學;2005年

2 高燕;時間尺度對半干旱半濕潤流域洪水預報模型的影響研究[D];太原理工大學;2008年

，

本文編號：1278571