為尋求更為精確的徑流量預(yù)測方法,研究利用傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)(SVM)以及高斯過程回歸(GP)三種模型對徑流量進(jìn)行預(yù)測,并以廣西天峨水文站日入庫徑流量為例進(jìn)行預(yù)測實(shí)踐和分析。結(jié)果表明,高斯過程回歸模型對徑流短期預(yù)測具有較高精度,預(yù)測平均相對誤差絕對值為1.29%,最大相對誤差絕對值為2.71%,預(yù)測精度和泛化能力均優(yōu)于傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)模型和支持向量機(jī)模型,是進(jìn)一步提高徑流預(yù)測精度的有效方法。

【文章頁數(shù)】：4 頁

【文章目錄】：
0 引言
1 GP基本原理及算法的實(shí)現(xiàn)
    1.1 高斯過程基本原理[18]
    1.2 算法過程的實(shí)現(xiàn)
2 工程實(shí)例應(yīng)用
3 結(jié)語



本文編號：3839075