為優(yōu)化支持向量機（Support Vector Machine,SVM）模型參數(shù),提高中長期徑流預(yù)報精度,建立了基于FA-SVM的中長期徑流預(yù)報模型。該模型以樣本中訓(xùn)練期均方差最小為目標(biāo)函數(shù),利用螢火蟲算法（Firefly Algorithm,FA）對支持向量機主要參數(shù)（懲罰系數(shù)C、核函數(shù)參數(shù)g和不敏感損失系數(shù)ε）進行了優(yōu)化。以岷江上游的紫坪鋪水庫為例,運用小波去噪法對各月徑流序列進行數(shù)據(jù)預(yù)處理后,利用FA-SVM模型與BP神經(jīng)網(wǎng)絡(luò)模型進行了中長期徑流預(yù)報。結(jié)果表明:（1）運用小波閾值法能夠較好地濾除各月徑流序列的系統(tǒng)噪聲和測量噪聲;（2） FA-SVM模型中長期徑流預(yù)測效果較好,預(yù)報精度等級均在丙級以上;（3） FA-SVM模型的預(yù)報效果優(yōu)于BP神經(jīng)網(wǎng)絡(luò)模型。 

【文章來源】：人民長江. 2020,51(09)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

FA算法流程

表1 各月小波閾值去噪效果(1966年10月至2012年10月)Tab.1 Monthly wavelet threshold de-noising effect(1996.10～2012.10) 月份 SNR/% MSE r 月份 SNR/% MSE r 11 51.99 4.55 0.97 5 63.20 1.39 1.00 12 52.99 1.46 0.98 6 61.40 4.76 0.99 1 52.77 0.89 0.97 7 61.40 4.80 0.99 2 60.72 0.11 0.99 8 58.95 4.76 0.99 3 46.06 3.90 0.91 9 59.39 4.79 0.99 4 50.60 4.66 0.96 10 57.74 4.47 0.99由表1、圖2可知:去噪后各月信噪比均在50 %左右,均方誤差范圍為(0,4.9),平滑度均在90 %以上。從信噪比、均方誤差和平滑度3個指標(biāo)綜合分析,運用小波閾值法能夠較好地濾除各月徑流序列的系統(tǒng)噪聲和測量噪聲,重構(gòu)后的徑流序列精度較高;并且經(jīng)消噪后的徑流序列有效地保留了原始徑流序列的峰谷特征。因此,本文通過基于小波閾值去噪法對徑流序列進行預(yù)處理,能在一定程度上提高徑流序列的有效性,從而提高模型徑流預(yù)報精度。

式中:目標(biāo)值Q為還原后本月壩址入庫月徑流量(1996年11月至2012年10月);預(yù)報因子Qlast1為還原后的上月壩址入庫月徑流量(1996年10月至2012年9月);預(yù)報因子Plast1為上游流域的上月面降水(1996年10月至2012年9月)。其中,該預(yù)報函數(shù)中使用的徑流序列資料均為小波去噪后的徑流序列;該上游流域面降水資料來源于《中國地面降水月值0.5 °×0.5 °格點數(shù)據(jù)集(V2.0)》中的格點降水?dāng)?shù)據(jù),其格點分布情況如圖3所示。2.3 模型建立

【參考文獻】：
期刊論文
[1]基于偏互信息法遴選因子的長江中長期徑流預(yù)報[J]. 麥紫君,曾小凡,周建中,葉磊,何奇芳.  人民長江. 2018(03)
[2]群智能算法優(yōu)化支持向量機參數(shù)綜述[J]. 李素,袁志高,王聰,陳天恩,郭兆春.  智能系統(tǒng)學(xué)報. 2018(01)
[3]基于小波消噪技術(shù)的投影尋蹤自回歸預(yù)報模型[J]. 魏鵬.  水力發(fā)電. 2017(08)
[4]紫坪鋪水庫入庫徑流年際變化特征分析[J]. 黎永紅,薛晨.  四川水力發(fā)電. 2017(S2)
[5]一種基于改進螢火蟲算法的三維Otsu閾值法[J]. 葉志偉,徐煒,趙偉,侯玉倩,楊娟.  中國體視學(xué)與圖像分析. 2016(04)
[6]螢火蟲算法的研究進展[J]. 程春英.  電子測試. 2015(13)
[7]基于GA-SVR的中長期徑流預(yù)報[J]. 王宏偉,張鑫,邱俊楠,孫天青.  西北農(nóng)林科技大學(xué)學(xué)報(自然科學(xué)版). 2012(02)
[8]基于PSO參數(shù)辨識SVM的中長期徑流預(yù)測研究[J]. 葉碎高,彭勇,周惠成.  大連理工大學(xué)學(xué)報. 2011(01)
[9]基于小波消噪的混沌神經(jīng)網(wǎng)絡(luò)徑流預(yù)報模型[J]. 王秀杰,練繼建,費守明.  水力發(fā)電學(xué)報. 2008(05)
[10]支持向量機在中長期徑流預(yù)報中的應(yīng)用[J]. 林劍藝,程春田.  水利學(xué)報. 2006(06)

碩士論文
[1]基于深度學(xué)習(xí)的螢火蟲算法研究及在中長期徑流預(yù)報中的應(yīng)用[D]. 謝智峰.南昌工程學(xué)院 2019
[2]數(shù)據(jù)歸一化方法對提升SVM訓(xùn)練效率的研究[D]. 湯榮志.山東師范大學(xué) 2017
[3]基于小波的閾值去噪方法改進及其評價研究[D]. 陳佳.沈陽航空航天大學(xué) 2012



本文編號：3600155