為提高水文預(yù)測(cè)預(yù)報(bào)精度,提出基于Mittag-Leffler、Pareto、Cauchy3種重尾分布改進(jìn)的布谷鳥搜索算法（MLCS、PCS、CCS）優(yōu)化的支持向量機(jī)（SVM）月徑流預(yù)測(cè)模型。選取6個(gè)典型測(cè)試函數(shù)對(duì)MLCS、PCS和CCS算法進(jìn)行仿真驗(yàn)證,并與基本布谷鳥搜索算法（CS）的仿真結(jié)果進(jìn)行比較。利用MLCS、PCS、CCS、CS算法優(yōu)化SVM關(guān)鍵參數(shù),建立MLCS-SVM、PCS-SVM、CCS-SVM、CS-SVM模型對(duì)云南省姑老河站枯水期月徑流進(jìn)行研究,并利用實(shí)例前40年和后13年資料對(duì)各模型進(jìn)行訓(xùn)練和預(yù)測(cè)。結(jié)果表明,MLCS、PCS、CCS算法尋優(yōu)能力優(yōu)于標(biāo)準(zhǔn)CS算法,具有較好的尋優(yōu)精度和全局搜索能力。MLCS-SVM、PCS-SVM、CCS-SVM模型對(duì)實(shí)例1-3月月徑流預(yù)測(cè)的平均相對(duì)誤差分別在4.89%～4.94%、6.87%～7.07%、6.87%～7.09%之間,預(yù)測(cè)精度較CS-SVM模型分別提高了34.5%、8.30%、23.6%以上,具有較好預(yù)測(cè)精度和泛化能力,表明MLCS、PCS、CCS算法能有效優(yōu)化SVM相關(guān)參數(shù)。模型及方法可為水文預(yù)測(cè)預(yù)報(bào)及其他相關(guān)預(yù)測(cè)研... 

【文章來源】：中國(guó)農(nóng)村水利水電. 2020,(08)北大核心

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

4種模型1-3月訓(xùn)練樣本進(jìn)化過程圖

實(shí)例1-3月月徑流訓(xùn)練-預(yù)測(cè)相對(duì)誤差效果圖

【參考文獻(xiàn)】：
期刊論文
[1]基于帝國(guó)殖民競(jìng)爭(zhēng)算法優(yōu)化支持向量機(jī)的電力變壓器故障診斷模型[J]. 張鐿議,焦健,汪可,鄭含博,房加珂,周浩.  電力自動(dòng)化設(shè)備. 2018(01)
[2]改進(jìn)GWO優(yōu)化SVM的語音情感識(shí)別研究[J]. 陳闖,RYAD Chellali,邢尹.  計(jì)算機(jī)工程與應(yīng)用. 2018(16)
[3]分布式布谷鳥算法在無線傳感器網(wǎng)絡(luò)布局優(yōu)化中的應(yīng)用[J]. 劉小壘,張小松,胡騰,朱清新.  計(jì)算機(jī)應(yīng)用研究. 2018(07)
[4]基于最優(yōu)ABC-SVM算法的P2P流量識(shí)別[J]. 王春枝,杜遠(yuǎn)麗,葉志偉.  計(jì)算機(jī)應(yīng)用研究. 2018(02)
[5]基于入侵雜草優(yōu)化算法的支持向量機(jī)負(fù)荷預(yù)測(cè)[J]. 周尚珺璽,馬立新.  電力科學(xué)與工程. 2017(02)
[6]基于改進(jìn)蛙跳算法優(yōu)化的支持向量回歸機(jī)ORP預(yù)測(cè)[J]. 南新元,曾慶凱,孟憲強(qiáng).  新疆大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(04)
[7]幾種智能算法與支持向量機(jī)融合模型在中長(zhǎng)期月徑流預(yù)測(cè)中的應(yīng)用[J]. 崔東文.  華北水利水電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(05)
[8]免疫粒子群算法與支持向量機(jī)在枯水期月徑流預(yù)測(cè)中的應(yīng)用[J]. 李月玉,李磊.  水資源與水工程學(xué)報(bào). 2015(03)
[9]人工魚群算法與支持向量機(jī)在枯水期月徑流預(yù)測(cè)中的應(yīng)用[J]. 崔東文.  人民珠江. 2015(03)
[10]果蠅優(yōu)化算法與支持向量機(jī)在年徑流預(yù)測(cè)中的應(yīng)用[J]. 崔東文,金波.  人民珠江. 2015(02)



本文編號(hào)：3219165