為優(yōu)化支持向量機(jī)（Support Vector Machine,SVM）模型參數(shù),提高中長(zhǎng)期徑流預(yù)報(bào)精度,建立了基于FA-SVM的中長(zhǎng)期徑流預(yù)報(bào)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(chóng)算法（Firefly Algorithm,FA）對(duì)支持向量機(jī)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(jìn)行了優(yōu)化。以岷江上游的紫坪鋪水庫(kù)為例,運(yùn)用小波去噪法對(duì)各月徑流序列進(jìn)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(jìn)行了中長(zhǎng)期徑流預(yù)報(bào)。結(jié)果表明:（1）運(yùn)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(cè)量噪聲;（2） FA-SVM模型中長(zhǎng)期徑流預(yù)測(cè)效果較好,預(yù)報(bào)精度等級(jí)均在丙級(jí)以上;（3） FA-SVM模型的預(yù)報(bào)效果優(yōu)于BP神經(jīng)網(wǎng)絡(luò)模型。 

【文章來(lái)源】：人民長(zhǎng)江. 2020,51(09)北大核心

【文章頁(yè)數(shù)】：6 頁(yè)

【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(gè)指標(biāo)綜合分析,運(yùn)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(cè)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(guò)基于小波閾值去噪法對(duì)徑流序列進(jìn)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(bào)精度。

式中:目標(biāo)值Q為還原后本月壩址入庫(kù)月徑流量(1996年11月至2012年10月);預(yù)報(bào)因子Qlast1為還原后的上月壩址入庫(kù)月徑流量(1996年10月至2012年9月);預(yù)報(bào)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(bào)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(lái)源于《中國(guó)地面降水月值0.5 °×0.5 °格點(diǎn)數(shù)據(jù)集(V2.0)》中的格點(diǎn)降水?dāng)?shù)據(jù),其格點(diǎn)分布情況如圖3所示。2.3 模型建立

【參考文獻(xiàn)】：
期刊論文
[1]基于偏互信息法遴選因子的長(zhǎng)江中長(zhǎng)期徑流預(yù)報(bào)[J]. 麥紫君,曾小凡,周建中,葉磊,何奇芳.  人民長(zhǎng)江. 2018(03)
[2]群智能算法優(yōu)化支持向量機(jī)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(bào). 2018(01)
[3]基于小波消噪技術(shù)的投影尋蹤自回歸預(yù)報(bào)模型[J]. 魏鵬.  水力發(fā)電. 2017(08)
[4]紫坪鋪水庫(kù)入庫(kù)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(jìn)螢火蟲(chóng)算法的三維Otsu閾值法[J]. 葉志偉,徐煒,趙偉,侯玉倩,楊娟.  中國(guó)體視學(xué)與圖像分析. 2016(04)
[6]螢火蟲(chóng)算法的研究進(jìn)展[J]. 程春英.  電子測(cè)試. 2015(13)
[7]基于GA-SVR的中長(zhǎng)期徑流預(yù)報(bào)[J]. 王宏偉,張?chǎng)?邱俊楠,孫天青.  西北農(nóng)林科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2012(02)
[8]基于PSO參數(shù)辨識(shí)SVM的中長(zhǎng)期徑流預(yù)測(cè)研究[J]. 葉碎高,彭勇,周惠成.  大連理工大學(xué)學(xué)報(bào). 2011(01)
[9]基于小波消噪的混沌神經(jīng)網(wǎng)絡(luò)徑流預(yù)報(bào)模型[J]. 王秀杰,練繼建,費(fèi)守明.  水力發(fā)電學(xué)報(bào). 2008(05)
[10]支持向量機(jī)在中長(zhǎng)期徑流預(yù)報(bào)中的應(yīng)用[J]. 林劍藝,程春田.  水利學(xué)報(bào). 2006(06)

碩士論文
[1]基于深度學(xué)習(xí)的螢火蟲(chóng)算法研究及在中長(zhǎng)期徑流預(yù)報(bào)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(duì)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(jìn)及其評(píng)價(jià)研究[D]. 陳佳.沈陽(yáng)航空航天大學(xué) 2012



本文編號(hào)：3600155