為提高年徑流預測精度,利用同熱傳遞搜索（SHTS）算法對混合核支持向量機（SVM）關鍵參數(shù)和混合權重系數(shù)進行優(yōu)化,提出混合核SHTS-SVM年徑流預測模型。通過6個不同維度的標準測試函數(shù)對SHTS算法進行仿真驗證,并與當前尋優(yōu)效果較好的教學優(yōu)化（TLBO）算法、灰狼優(yōu)化（GWO）算法進行對比驗證。利用兩個年徑流預測算例對混合核SHTS-SVM模型進行實例驗證,并與多項式核SHTS-SVM、高斯核SHTS-SVM及SHTS-BP模型預測結果進行對比。結果表明:SHTS算法尋優(yōu)精度優(yōu)于TLBO、GWO優(yōu)化算法,具有較好的極值尋優(yōu)能力和穩(wěn)健性能。混合核SHTS-SVM模型綜合了多項式全局核函數(shù)和高斯局部核函數(shù)二者優(yōu)點,在預測精度、泛化能力等方面均優(yōu)于對比模型,具有較好的實際應用價值。 

【文章頁數(shù)】：7 頁

【文章目錄】：
1 研究背景
2 同熱傳遞搜索算法及仿真驗證
    2.1 同熱傳遞搜索算法
    2.2 仿真驗證
3 混合核SHTS-SVM預測模型
    3.1 混合核SVM
    3.2 混合核SHTS-SVM預測實現(xiàn)步驟
4 算例
5 結論


【參考文獻】：
期刊論文
[1]基于教學優(yōu)化算法的多元超越回歸模型及其在徑流預報中的應用[J]. 崔東文.  華北水利水電大學學報(自然科學版). 2016(06)
[2]幾種智能算法與支持向量機融合模型在中長期月徑流預測中的應用[J]. 崔東文.  華北水利水電大學學報(自然科學版). 2016(05)
[3]幾種智能優(yōu)化算法與支持向量機相融合的月徑流預測模型及應用[J]. 崔東文,鄭斌.  人民珠江. 2016(03)
[4]改進布谷鳥算法優(yōu)化混合核LSSVM的卷煙銷售量預測[J]. 周建友,張凱威.  計算機工程與應用. 2015(19)
[5]免疫粒子群算法與支持向量機在枯水期月徑流預測中的應用[J]. 李月玉,李磊.  水資源與水工程學報. 2015(03)
[6]人工魚群算法與支持向量機在枯水期月徑流預測中的應用[J]. 崔東文.  人民珠江. 2015(03)
[7]果蠅優(yōu)化算法與支持向量機在年徑流預測中的應用[J]. 崔東文,金波.  人民珠江. 2015(02)
[8]改進RBF-Adaboost模型及其在年徑流預測中的應用[J]. 黃劍竹.  人民珠江. 2015(01)
[9]基于改進的回歸支持向量機模型及其在年徑流預測中的應用[J]. 崔東文,金波.  水力發(fā)電學報. 2015(02)
[10]遺傳算法與最小二乘支持向量機在年徑流預測中的應用[J]. 代興蘭.  水資源與水工程學報. 2014(06)



本文編號：3664624