本文關(guān)鍵詞：基于小波變換的LSSVM月徑流預(yù)報研究

  更多相關(guān)文章： 徑流預(yù)測 最小二乘支持向量機(jī) 參數(shù)優(yōu)化 果蠅算法 小波變換

【摘要】：水資源是人類賴以生存的物質(zhì)保證,徑流量的大小與水資源的開發(fā)利用具有十分緊密的聯(lián)系,徑流量的預(yù)測結(jié)果對制定該地區(qū)防洪、抗旱、水庫的優(yōu)化調(diào)度等策略具有十分重要的指導(dǎo)意義。但由于其受到各種因素錯綜復(fù)雜的影響,對徑流預(yù)測的研究已成為國內(nèi)外學(xué)者研究的熱點和難點。本文以瑪納斯河紅山嘴站55a實測徑流數(shù)據(jù)為研究對象,首先采用統(tǒng)計學(xué)理論對徑流量的年際和年內(nèi)變化進(jìn)行分析,可以發(fā)現(xiàn)該流域徑流量的年際變化比較穩(wěn)定,但年內(nèi)分配很不均衡,在時空上集中程度高,使得夏季山區(qū)容易爆發(fā)洪水,其他季節(jié)和平原地區(qū)出現(xiàn)干旱缺水等現(xiàn)象,因此本文對月徑流實測資料進(jìn)行預(yù)測研究。采用最小二乘支持向量機(jī)(LSSVM)模型對月徑流時間序列進(jìn)行預(yù)測,針對懲罰因子C和核函數(shù)參數(shù)?嚴(yán)重影響模型預(yù)測性能的問題,利用果蠅算法(FOA)優(yōu)化該參數(shù),并通過與粒子群算法優(yōu)化該參數(shù)的徑流預(yù)測模型相對比,仿真結(jié)果表明果蠅算法有一定的優(yōu)越性。對于果蠅算法尋優(yōu)過程搜索步長始終不變的問題,提出了變步長的果蠅搜索算法(VSFOA),該方法提高了尋優(yōu)的速度,具有較好的預(yù)測效果。各種不同因素的綜合作用使得徑流時間序列具有較高的非平穩(wěn)特性,小波分析方法是一種很好的時頻分析技術(shù),可以將非平穩(wěn)的徑流時間序列分解成相對較平穩(wěn)的系數(shù)序列進(jìn)行預(yù)測,以消弱各頻率分量之間的相互影響,并充分探究出原始徑流數(shù)據(jù)內(nèi)部所蘊含的信息。因此,將小波變換(WT)與LSSVM模型相耦合,構(gòu)成WT-VSFOA-LSSVM模型進(jìn)行月徑流預(yù)測,仿真結(jié)果表明耦合的模型月徑流預(yù)測絕對誤差相對平緩,預(yù)測精度有明顯的提高,能夠達(dá)到水文預(yù)報的甲級標(biāo)準(zhǔn),可用于作業(yè)預(yù)報,能夠為水庫的安全運行、科學(xué)管理及合理分配提供較可靠的數(shù)據(jù)支持。
【關(guān)鍵詞】：徑流預(yù)測 最小二乘支持向量機(jī) 參數(shù)優(yōu)化 果蠅算法 小波變換
【學(xué)位授予單位】：新疆大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：P338
【目錄】：

• 摘要2-3
• Abstract3-7
• 第一章 緒論7-16
• 1.1 課題研究的背景與意義7-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-13
• 1.2.1 回歸分析方法10
• 1.2.2 時間序列預(yù)測方法10-11
• 1.2.3 模糊分析方法11
• 1.2.4 灰色系統(tǒng)預(yù)測方法11
• 1.2.5 人工神經(jīng)網(wǎng)絡(luò)預(yù)測方法11-12
• 1.2.6 組合預(yù)測方法12-13
• 1.3 LSSVM在徑流預(yù)測中的研究現(xiàn)狀13-14
• 1.4 存在問題和研究方向14
• 1.5 本文的主要研究內(nèi)容14-16
• 第二章 流域特性分析16-27
• 2.1 流域的統(tǒng)計特性分析16-21
• 2.1.1 徑流的年際變化16-18
• 2.1.2 徑流量的年內(nèi)變化18-21
• 2.2 徑流時間序列的小波分析21-26
• 2.2.1 小波的定義22
• 2.2.2 小波變換及重構(gòu)22-24
• 2.2.3 Mallat算法24-25
• 2.2.4 常用的小波函數(shù)25
• 2.2.5 小波方差25-26
• 2.3 本章小結(jié)26-27
• 第三章 SVM與LSSVM理論27-35
• 3.1 支持向量機(jī)27-32
• 3.1.1 支持向量分類機(jī)27-30
• 3.1.2 支持向量回歸機(jī)30-32
• 3.2 最小二乘支持向量機(jī)32-34
• 3.3 核函數(shù)的選擇34
• 3.4 本章小結(jié)34-35
• 第四章 果蠅優(yōu)化算法及其改進(jìn)的LSSVM月徑流預(yù)報研究35-55
• 4.1 演化式計算與群體智能35
• 4.2 果蠅的覓食行為與果蠅算法35-37
• 4.2.1 果蠅的覓食方法35-36
• 4.2.2 果蠅算法36-37
• 4.3 FOA優(yōu)化LSSVM算法37-47
• 4.3.1 果蠅優(yōu)化LSSVM的基本思想37
• 4.3.2 FOA-LSSVM算法的具體步驟37-39
• 4.3.3 FOA-LSSVM算法的徑流預(yù)測39-43
• 4.3.4 FOA-LSSVM與PSO-LSSVM在月徑流預(yù)測應(yīng)用中的對比43-47
• 4.4 遞減步長果蠅算法優(yōu)化LSSVM的月徑流預(yù)測47-49
• 4.4.1 遞減步長果蠅算法47
• 4.4.2 VSFOA在月徑流預(yù)測中的應(yīng)用47-49
• 4.5 基于小波變換的VSFOA-LSSVM徑流預(yù)測49-54
• 4.6 本章小結(jié)54-55
• 第五章 總結(jié)與展望55-57
• 5.1 總結(jié)55-56
• 5.2 展望56-57
• 參考文獻(xiàn)57-61
• 攻讀碩士期間完成和錄用相關(guān)文獻(xiàn)列表61-62
• 致謝62-64

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前4條

1 李偉;南新元;吳瓊;;生物氧化提金中基于PSO-LSSVM的氧化還原電位建模研究[J];貴金屬;2014年04期

2 王文川;和吉;邱林;;基于PSO的SVM年徑流預(yù)報模型研究[J];人民黃河;2012年04期

3 張麗;王悅鈺;白雪蓮;;主成分回歸在徑流預(yù)測中的應(yīng)用[J];人民黃河;2012年05期

4 馬金鳳;楊廣;;基于自回歸滑動平均模型的瑪納斯河洪水預(yù)報[J];石河子大學(xué)學(xué)報(自然科學(xué)版);2010年02期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 馬培衢;農(nóng)業(yè)水資源有效配置的經(jīng)濟(jì)分析[D];華中農(nóng)業(yè)大學(xué);2008年

2 趙銅鐵鋼;考慮水文預(yù)報不確定性的水庫優(yōu)化調(diào)度研究[D];清華大學(xué);2013年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 李抗彬;新疆下坂地水庫冰雪融水徑流預(yù)報模型研究[D];西安理工大學(xué);2007年

，

本文編號：635427