本文選題：降水預(yù)測(cè) + 輸入特征　； 參考：《數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)》2017年18期

【摘要】：鑒于降水量數(shù)據(jù)的高維非線性性和周期性,建立了支持向量回歸(SVR)預(yù)測(cè)模型用于降水量預(yù)測(cè),由于對(duì)該模型輸入特征的選取極為重要,因此提出了一種基于季節(jié)自回歸(SARI)的輸入特征選取方法.利用已有的降水量數(shù)據(jù)建立SARI模型,通過(guò)觀察模型表達(dá)式提取建立SVR模型所需的輸入特征用于訓(xùn)練支持向量機(jī),并通過(guò)網(wǎng)格參數(shù)尋優(yōu)法確定SVR模型的參數(shù),進(jìn)行降水量預(yù)測(cè).實(shí)例分析中,應(yīng)用此模型對(duì)黃土丘陵半干旱區(qū)域的降水量進(jìn)行預(yù)測(cè),將預(yù)測(cè)結(jié)果與季節(jié)時(shí)間序列(SARIMA)模型的預(yù)測(cè)結(jié)果進(jìn)行對(duì)比,結(jié)果表明,模型具有更高的預(yù)測(cè)精度和擬合優(yōu)度,可以用于降水量的預(yù)測(cè).
[Abstract]:In view of the high dimensional nonlinearity and periodicity of precipitation data, a support vector regression (SVR) prediction model is established for precipitation prediction. Therefore, an input feature selection method based on seasonal autoregressive (SARI) is proposed. The SARI model is established by using the existing precipitation data, and the input features needed to establish the SVR model are extracted by observing the model expression to train the support vector machine. The parameters of the SVR model are determined by the grid parameter optimization method, and the precipitation prediction is carried out. In the case study, this model is used to predict precipitation in semi-arid region of loess hilly region. The prediction results are compared with those of the seasonal time series (SARIMA) model. The results show that the model has higher prediction accuracy and better fitting degree. It can be used to predict precipitation.
【作者單位】： 西北工業(yè)大學(xué)理學(xué)院;西北農(nóng)林科技大學(xué)理學(xué)院;
【基金】：陜西省自然科學(xué)基金(2016JM6056)
【分類(lèi)號(hào)】：O212.1;P457.6;TP181

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 賈亮;王禮力;;支持向量機(jī)在上市公司財(cái)務(wù)預(yù)警模型中的應(yīng)用[J];淮陰工學(xué)院學(xué)報(bào);2010年02期

2 寇玉香;;支持向量機(jī)、信息向量機(jī)和相關(guān)向量機(jī)的比較研究[J];農(nóng)業(yè)網(wǎng)絡(luò)信息;2010年07期

3 農(nóng)吉夫;;主成分分析與支持向量機(jī)相結(jié)合的區(qū)域降水預(yù)測(cè)應(yīng)用[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2011年22期

4 遲國(guó)泰;程硯秋;李剛;;基于支持向量機(jī)的人的全面發(fā)展評(píng)價(jià)模型及省份實(shí)證[J];管理工程學(xué)報(bào);2012年01期

5 方輝;;支持向量機(jī)的研究與發(fā)展[J];大慶師范學(xué)院學(xué)報(bào);2007年05期

6 高建來(lái);運(yùn)士偉;張永勝;;融合粗糙集與球形支持向量機(jī)的多分類(lèi)識(shí)別[J];河南科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年05期

7 馬建華;張星奇;張輝;;參數(shù)優(yōu)化支持向量機(jī)的人參價(jià)格預(yù)測(cè)模型[J];吉林大學(xué)學(xué)報(bào)(信息科學(xué)版);2012年02期

8 徐勤蘭;樊重俊;張鵬;;灰色支持向量機(jī)在機(jī)場(chǎng)吞吐量預(yù)測(cè)中的應(yīng)用[J];上海理工大學(xué)學(xué)報(bào);2012年04期

9 高尚;劉夫成;;與k均值混合的支持向量機(jī)的個(gè)人信用評(píng)估[J];中南大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年S2期

10 李剛;劉志強(qiáng);;基于支持向量機(jī)替代模型的可靠性分析[J];計(jì)算力學(xué)學(xué)報(bào);2011年05期

相關(guān)會(huì)議論文 前10條

1 曾江輝;曾鳳章;陳嵩輝;;基于支持向量機(jī)的馬田系統(tǒng)閾值確定方法研究[A];第三屆中國(guó)質(zhì)量學(xué)術(shù)論壇論文集[C];2008年

2 蔣鐵軍;張懷強(qiáng);李積源;;多變量系統(tǒng)預(yù)測(cè)的支持向量機(jī)方法研究[A];管理科學(xué)與系統(tǒng)科學(xué)研究新進(jìn)展——第7屆全國(guó)青年管理科學(xué)與系統(tǒng)科學(xué)學(xué)術(shù)會(huì)議論文集[C];2003年

3 門(mén)洪;武玉杰;李小英;高艷春;;基于支持向量機(jī)的分類(lèi)算法研究[A];第六屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集（3）[C];2008年

4 郭崇慧;陸玉昌;唐煥文;;支持向量機(jī)優(yōu)化問(wèn)題的熵優(yōu)化方法[A];2006年中國(guó)運(yùn)籌學(xué)會(huì)數(shù)學(xué)規(guī)劃分會(huì)代表會(huì)議暨第六屆學(xué)術(shù)會(huì)議論文集[C];2006年

5 王峰;張新華;;支持向量機(jī)在結(jié)構(gòu)動(dòng)力學(xué)求解問(wèn)題中的應(yīng)用[A];第八屆全國(guó)動(dòng)力學(xué)與控制學(xué)術(shù)會(huì)議論文集[C];2008年

6 Dougsoo Kaown;劉建國(guó);;支持向量機(jī)的幾何解法(英文)[A];中國(guó)運(yùn)籌學(xué)會(huì)第八屆學(xué)術(shù)交流會(huì)論文集[C];2006年

7 宋海鷹;桂衛(wèi)華;陽(yáng)春華;;基于最小二乘支持向量機(jī)的Hammerstein-Wiener模型辨識(shí)[A];第二十六屆中國(guó)控制會(huì)議論文集[C];2007年

8 王偉;鄭東良;;支持向量機(jī)的分類(lèi)機(jī)理研究[A];信號(hào)與信息處理技術(shù)第三屆信號(hào)與信息處理全國(guó)聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2004年

9 袁從貴;張新政;陳旭;;基于偏互信息與定尺度最小二乘支持向量機(jī)的咸潮預(yù)測(cè)模型[A];中國(guó)自動(dòng)化學(xué)會(huì)控制理論專(zhuān)業(yè)委員會(huì)C卷[C];2011年

10 程硯秋;楊德權(quán);;基于決策樹(shù)和支持向量機(jī)的金融預(yù)測(cè)方法[A];中國(guó)企業(yè)運(yùn)籌學(xué)學(xué)術(shù)交流大會(huì)論文集[C];2007年

相關(guān)博士學(xué)位論文 前7條

1 安金龍;支持向量機(jī)若干問(wèn)題的研究[D];天津大學(xué);2004年

2 趙暉;支持向量機(jī)分類(lèi)方法及其在文本分類(lèi)中的應(yīng)用研究[D];大連理工大學(xué);2006年

3 吳青;基于優(yōu)化理論的支持向量機(jī)學(xué)習(xí)算法研究[D];西安電子科技大學(xué);2009年

4 閻滿(mǎn)富;求解分類(lèi)問(wèn)題的支持向量機(jī)方法與應(yīng)用研究[D];中國(guó)農(nóng)業(yè)大學(xué);2005年

5 彭新俊;支持向量機(jī)若干問(wèn)題及應(yīng)用研究[D];上海大學(xué);2008年

6 孫德山;支持向量機(jī)分類(lèi)與回歸方法研究[D];中南大學(xué);2004年

7 黃細(xì)霞;基于支持向量機(jī)的建模方法及其在材料加工中的應(yīng)用研究[D];上海交通大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 盧曉;基于粒計(jì)算的支持向量機(jī)多分類(lèi)模型研究[D];華北理工大學(xué);2015年

2 趙安龍;結(jié)構(gòu)可靠性設(shè)計(jì)的多輸入輸出支持向量機(jī)方法[D];南京航空航天大學(xué);2016年

3 解怡萌;支持向量機(jī)與GARCH族模型對(duì)股市的分析[D];遼寧師范大學(xué);2016年

4 王延朝;帶有不確定輸入的支持向量機(jī)研究[D];山東科技大學(xué);2011年

5 胡駿;支持向量機(jī)理論及其應(yīng)用[D];武漢科技大學(xué);2011年

6 邢紅杰;多級(jí)支持向量機(jī)[D];河北大學(xué);2003年

7 孫開(kāi)師;支持向量機(jī)算法研究[D];山東科技大學(xué);2007年

8 孫剛;基于支持向量機(jī)的多分類(lèi)方法研究[D];大連海事大學(xué);2008年

9 于晶;支持向量機(jī)方法及在儲(chǔ)層產(chǎn)能預(yù)測(cè)中的應(yīng)用[D];中國(guó)地質(zhì)大學(xué)(北京);2012年

10 劉麗琴;基于抗白噪聲理論的支持向量機(jī)[D];遼寧師范大學(xué);2008年

，

本文編號(hào)：1896917