為提升河流流量的預測精度,將支持向量機與AR進行耦合,并構造三核混合核函數(shù)的流量預測支持向量機模型。以渭河流域的月徑流量為例,首先,通過時間序列分析,將渭河流域的徑流序列劃分為趨勢序列、季節(jié)序列和隨機波動序列,然后利用AR模型構造適用于支持向量機算法的數(shù)據(jù)集,并將數(shù)據(jù)集按4∶1劃分為訓練集和檢驗集;其次,利用線性組合構造由多項式核函數(shù)、徑向基核函數(shù)與Sigmoid核函數(shù)構成的三核混合核函數(shù),在訓練集上,采用遺傳算法確定相關參數(shù),隨后在檢驗集上進行預測。結果表明:遺傳算法確定參數(shù)會帶來較大的不確定性,導致結果差異較大,從而著重討論遺傳算法帶來的參數(shù)不確定性;通過函數(shù)構造與統(tǒng)計分析,給出三核混合核函數(shù)參數(shù)選擇的一般性方法與流程,并進行驗證,該參數(shù)選取方法能夠降低遺傳算法的不確定性,得到精度較高的流量預測結果,預測流量與實際流量的均方誤差從150左右降低到130左右。

【文章頁數(shù)】：10 頁

【文章目錄】：
1 基于SVM的時間序列模型構建
    1.1 時間序列分解
    1.2 SVM-AR模型構建及平穩(wěn)性分析
    1.3 模型定階
2 支持向量機核函數(shù)構造與參數(shù)確定
3 實 例 分 析
    3.1 月流量數(shù)據(jù)時間序列分析
        3.1.1 流量數(shù)據(jù)分解以及平穩(wěn)性分析
        3.1.2模型定階
    3.2 支持向量機算法使用流程
    3.3 結果與分析
4 結 語



本文編號：3827676