為提升河流流量的預(yù)測精度,將支持向量機(jī)與AR進(jìn)行耦合,并構(gòu)造三核混合核函數(shù)的流量預(yù)測支持向量機(jī)模型。以渭河流域的月徑流量為例,首先,通過時(shí)間序列分析,將渭河流域的徑流序列劃分為趨勢序列、季節(jié)序列和隨機(jī)波動(dòng)序列,然后利用AR模型構(gòu)造適用于支持向量機(jī)算法的數(shù)據(jù)集,并將數(shù)據(jù)集按4∶1劃分為訓(xùn)練集和檢驗(yàn)集;其次,利用線性組合構(gòu)造由多項(xiàng)式核函數(shù)、徑向基核函數(shù)與Sigmoid核函數(shù)構(gòu)成的三核混合核函數(shù),在訓(xùn)練集上,采用遺傳算法確定相關(guān)參數(shù),隨后在檢驗(yàn)集上進(jìn)行預(yù)測。結(jié)果表明:遺傳算法確定參數(shù)會(huì)帶來較大的不確定性,導(dǎo)致結(jié)果差異較大,從而著重討論遺傳算法帶來的參數(shù)不確定性;通過函數(shù)構(gòu)造與統(tǒng)計(jì)分析,給出三核混合核函數(shù)參數(shù)選擇的一般性方法與流程,并進(jìn)行驗(yàn)證,該參數(shù)選取方法能夠降低遺傳算法的不確定性,得到精度較高的流量預(yù)測結(jié)果,預(yù)測流量與實(shí)際流量的均方誤差從150左右降低到130左右。

【文章頁數(shù)】：10 頁

【文章目錄】：
1 基于SVM的時(shí)間序列模型構(gòu)建
    1.1 時(shí)間序列分解
    1.2 SVM-AR模型構(gòu)建及平穩(wěn)性分析
    1.3 模型定階
2 支持向量機(jī)核函數(shù)構(gòu)造與參數(shù)確定
3 實(shí) 例 分 析
    3.1 月流量數(shù)據(jù)時(shí)間序列分析
        3.1.1 流量數(shù)據(jù)分解以及平穩(wěn)性分析
        3.1.2模型定階
    3.2 支持向量機(jī)算法使用流程
    3.3 結(jié)果與分析
4 結(jié) 語



本文編號(hào)：3827676