比較分析BP神經(jīng)網(wǎng)絡(luò)與SVM模型在徑流預測應用中的性能特征。以降雨量為預報因子,采用BP人工神經(jīng)網(wǎng)絡(luò)模型和SVM模型對大別山黃尾河流域40 a時長的同期徑流過程進行數(shù)值模擬,并對二者的預測性能進行比較與評價。結(jié)果表明,黃尾河流域BP模型模擬的總體相對誤差為14.43%,合格率為77.5%,確定性系數(shù)為0.76,預報精度等級為乙級;SVM模擬的總體相對誤差為12.41%,合格率、確定性系數(shù)及預報精度等級與BP模型相同。SVM模型模擬結(jié)果較BP模型而言更集中于較小的誤差范圍內(nèi)。BP模型的累積誤差>SVM模型,并且隨著誤差自由度的增大,這種差距有擴大的趨勢,表明SVM模型的誤差范圍較小,誤差間隔小于BP模型,模擬性能較BP模型更穩(wěn)定。 

【文章來源】：西北林學院學報. 2020,35(05)北大核心

【文章頁數(shù)】：6 頁

【文章目錄】：
1 材料與方法
    1.1 研究區(qū)概況
    1.2 數(shù)據(jù)來源
    1.3 研究方法
        1.3.1 BP神經(jīng)網(wǎng)絡(luò)模型
            1.3.1.1 BP神經(jīng)網(wǎng)絡(luò)隱含層
            1.3.1.2 傳遞函數(shù)和訓練算法的確定
        1.3.2 SVM模型
        1.3.3 預測模型誤差分析
2 結(jié)果與分析
    2.1 BP神經(jīng)網(wǎng)絡(luò)預報模型實現(xiàn)
    2.2 SVM預測模型的實現(xiàn)
    2.3 基于BP網(wǎng)絡(luò)的預測模型與SVM預測模型的對比
3 結(jié)論與討論


【參考文獻】：
期刊論文
[1]基于PCA-BP神經(jīng)網(wǎng)絡(luò)算法桃樹葉片SPAD值高光譜估算[J]. 吳文強,常慶瑞,陳濤,余蛟洋.  西北林學院學報. 2019(05)
[2]基于數(shù)值天氣預報產(chǎn)品的氣象水文耦合徑流預報[J]. 金君良,舒章康,陳敏,王國慶,孫周亮,賀瑞敏.  水科學進展. 2019(03)
[3]基于加權(quán)KNN-BP神經(jīng)網(wǎng)絡(luò)的PM2.5濃度預測模型研究[J]. 趙文怡,夏麗莎,高廣闊,成力.  環(huán)境工程技術(shù)學報. 2019(01)
[4]伏牛山區(qū)栓皮櫟天然次生林地位指數(shù)ANN模型構(gòu)建[J]. 陳晨,劉光武,陳濤,溫仲清.  西北林學院學報. 2019(01)
[5]棉稈在NaOH中水解過程的神經(jīng)網(wǎng)絡(luò)模擬與優(yōu)化[J]. 呼肖娜,楊鵬,楊月霞,洪會霞,雷倩,周娜.  西北林學院學報. 2019(01)
[6]淮河流域洪水極值非平穩(wěn)性特征[J]. 孫鵬,孫玉燕,張強,姚蕊,溫慶志,王友貞,蔣尚明.  湖泊科學. 2018(04)
[7]基于支持向量機的中長期入庫徑流預報[J]. 趙紅標,吳義斌.  紅水河. 2009(05)
[8]人工神經(jīng)網(wǎng)絡(luò)在徑流影響因子滯后性研究中的應用[J]. 冉篤奎,李敏,武晟,解建倉.  計算機工程與應用. 2009(30)
[9]基于BP人工神經(jīng)網(wǎng)絡(luò)的枯水徑流預報方案研究[J]. 繆益平,鄧俊.  水文. 2008(03)

碩士論文
[1]中長期徑流的多種組合預測方法及其比較[D]. 孫惠子.西北農(nóng)林科技大學 2012
[2]基于人工神經(jīng)網(wǎng)絡(luò)的徑流預測研究[D]. 張偉.石河子大學 2008
[3]徑流中長期預測模型研究[D]. 朱聰.四川大學 2005



本文編號：3055847