徑流是受太陽活動(dòng)、大氣環(huán)流、下墊面變化和降雨等諸多因素影響的一個(gè)隨機(jī)變量,且各因素對徑流的作用關(guān)系難以建立嚴(yán)謹(jǐn)?shù)臄?shù)學(xué)模型,因此徑流預(yù)報(bào)是一個(gè)受多因素影響的非線性復(fù)雜問題。隨著機(jī)器學(xué)習(xí)技術(shù)的發(fā)展,支持向量回歸被廣泛應(yīng)用于徑流預(yù)報(bào)領(lǐng)域,取得了有效的預(yù)報(bào)結(jié)果。支持向量回歸的性能依賴于懲罰系數(shù)、不敏感損失系數(shù)和核參數(shù)的選擇。傳統(tǒng)方法對參數(shù)選擇效率低,且主觀性和隨機(jī)性大,導(dǎo)致支持向量回歸的性能不佳。為提高支持向量回歸的性能,借助螢火蟲算法進(jìn)行參數(shù)動(dòng)態(tài)尋優(yōu),建立了基于螢火蟲算法的支持向量回歸預(yù)報(bào)模型。螢火蟲算法是一種群智能算法,因其優(yōu)化模型簡單、參數(shù)少和實(shí)現(xiàn)容易等優(yōu)勢,被廣泛應(yīng)用于眾多工程領(lǐng)域。但是,該算法本身存在易陷入局部最優(yōu)、過早收斂及尋優(yōu)精度不高等缺陷。本論文以螢火蟲算法為研究對象,以徑流預(yù)測為應(yīng)用背景,使用深度學(xué)習(xí)策略對算法進(jìn)行優(yōu)化,并將改進(jìn)的螢火蟲算法應(yīng)用于中長期徑流預(yù)測。取得的主要研究成果如下:(1)對深度學(xué)習(xí)方式進(jìn)行改進(jìn),提出了最優(yōu)粒子引導(dǎo)的單維深度學(xué)習(xí)螢火蟲算法。為使最優(yōu)粒子獲取更多搜索機(jī)會(huì),在種群每代進(jìn)化過程中,算法為最優(yōu)粒子分配一定的評估資源,進(jìn)行固定次數(shù)單維深度學(xué)習(xí),搜尋優(yōu)秀...

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

本文編號：3880684