針對平原河網地區(qū)河道洪峰水位預報中經驗模型可靠性不足的問題,提出一種基于SVM的河道洪峰水位校正預報方法。采用譜系聚類法對歷史洪水過程數(shù)據(jù)按降雨特性分類,選擇與預報降雨過程最接近的歷史數(shù)據(jù)訓練預報模型;采用PCA對輸入數(shù)據(jù)降維以提取有效特征;基于支持向量回歸機建立河道洪峰水位預報模型;采用滾動模式對洪峰水位預報,每小時根據(jù)最新水位以及降水信息預報未來洪峰水位,不斷提高預報精度。通過對京杭運河拱宸橋站的洪峰水位實例預測驗證了該研究方法的有效性。

【文章頁數(shù)】：4 頁

【文章目錄】：
0 引 言
1 樣本數(shù)據(jù)集的構建
    1.1 訓練樣本分類
    1.2 訓練樣本選擇
2 數(shù)據(jù)降維
3 SVM的學習訓練與預測
    3.1 構造訓練樣本
    3.2 SVM模型訓練
    3.3 預測
4 實例分析
5 結 論



本文編號：3755546