基于GM-SVR耦合的月径流预测模型研究与应用

考虑到某月径流与该月历史同期径流以及临近月径流均有较强相关性,而通常预报方法只采用其中一种径流序列,导致了可用信息损失。为此,提出一种基于灰色理论和支持向量机回归的组合预报模型。提出的模型综合利用了径流年内变化和年际变化信息,与单一灰色模型和支持向量机模型进行预测对比,结果表明基于灰色支持向量机的月径流模型预测精度明显高于单一模型,尤其是对径流变化剧烈的汛期表现出更优越的预测性能。     

基于粒子群优化支持向量机的径流预测模型研究

径流预测的精度关系到研究地区的水资源开发利用.为了提高径流预测的精度,将基于统计学理论的模式识别方法支持向量机引入到径流预测模型中.支持向量机中有2个参数惩罚因子C和核参数,这2个参数的选择对支持向量机的模型结构有重要的影响.为了准确地找到支持向量机的参数,将全局寻优的粒子群算法引入到支持向量机的2个参数优化中来.实例研究表明,粒子群优化支持向量机模型能够提高径流预测的精度.     

基于经验模态分解和支持向量机的日径流预测研究

准确的径流预测是水资源开发利用的重要依据，但预测难度大。为提高日径流预测精度，以榕江流域南河东桥园站日径流为例，建立了经验模态分解(EMD)和支持向量机(SVM)耦合的日径流预测模型。首先，利用经验模态分解将日径流系列分解为若干子过程，再采用支持向量机深度学习模型分别对每一个子过程进行预测，最后将每个预测结果相加得到原日径流数据的预测结果。研究表明：EMD-SVM组合模型相对于SVM、BP、LSTM单模型具有更好的预测性能。     

WPSO-SVR耦合日径流预测模型研究及应用

针对径流时间序列过程的高度非线性,将小波分析方法、粒子群优化算法与支持向量回归相结合,建立了小波-粒子群-支持向量回归耦合日径流预测模型(WPSO-SVR)。该模型充分挖掘小波分析的多分辨功能和支持向量回归的非线性逼近能力,应用小波分析方法将日径流时间序列分解为不同频段的子序列,将重构后的序列作为模型的输入,利用粒子群全局搜索能力实现模型参数寻优,得到最佳模型参数,构建模型,并将该模型应用于金沙江中游石鼓站日径流预测。结果表明,该模型的预测效果明显优于单一支持向量回归模型,在日径流预测中具有较强的适应性。     

基于小波去噪和FA-SVM的中长期径流预报

为优化支持向量机(Support Vector Machine,SVM)模型参数,提高中长期径流预报精度,建立了基于FA-SVM的中长期径流预报模型。该模型以样本中训练期均方差最小为目标函数,利用萤火虫算法(Firefly Algorithm,FA)对支持向量机主要参数(惩罚系数C、核函数参数g和不敏感损失系数ε)进行了优化。以岷江上游的紫坪铺水库为例,运用小波去噪法对各月径流序列进行数据预处理后,利用FA-SVM模型与BP神经网络模型进行了中长期径流预报。结果表明:(1)运用小波阈值法能够较好地滤除各月径流序列的系统噪声和测量噪声;(2) FA-SVM模型中长期径流预测效果较好,预报精度等级均在丙级以上;(3) FA-SVM模型的预报效果优于BP神经网络模型。     

支持向量机的混沌序列预测模型及在径流中应用

混沌和支持向量机理论为研究复杂多变的非线性水文时间序列开辟了新的途径。给出了应用支持向量机回归原理的混沌时间序列非线性的预测建模的思路、特点及关键参数的选取。根据重构相空间理论对月径流过程进行相空间的重构,探讨了支持向量机混沌时间序列非线性预测模型在月径流预测中的应用,在支持向量机建模过程中引入了经向基核函数,简化了非线性问题的求解过程。实例表明,该模型能较好地处理复杂的水文数据序列,且有较好的预测精度。     

基于果蝇优化算法的支持向量机径流预测

为了提高径流预测的精度和可靠性,将支持向量机应用到单因子月径流预测建模中。针对支持向量机模型参数的选择费时费力且效果差的问题,利用全局寻优的果蝇算法优化选择支持向量机的惩罚参数和核参数,提出了基于果蝇算法优化支持向量机参数的FOA-SVM预测模型,并利用新疆某站的月径流历史数据进行了仿真测试。结果表明:与GA-SVM模型和PSO-SVM模型相比,FOA-SVM模型能够提高径流预测的效率与精度。     

支持向量机和BP神经网络在泥石流平均流速预测模型中的比较与应用

在综合分析多种泥石流研究方法的基础上,提出分别基于支持向量机和改进的BP神经网络模型的黏性泥石流平均流速预测方法,建立了相应的泥石流平均流速预测模型.以蒋家沟泥石流实时监测数据作为学习样本和测试样本,比较了两种模型的预测精度和适用范围.研究结果表明,泥石流样本训练阶段,支持向量机和BP神经网络均具有较高的模拟精度,BP神经网络较优于支持向量机模型,而在样本预测阶段,支持向量机的预测精度明显优于BP网络,表明支持向量机预测模型有较强的外推能力和预测计算的有效性,可以较好地描述泥石流复杂的非线性关系,为泥石流防治提供精确的科学依据.     

奇异谱分析在中长期径流预测中的应用研究

针对目前中长期径流预测精度较低的问题,运用奇异谱分析法对隔河岩水库1951～2009年入库径流资料进行预处理得到重构序列,以达到浓缩主要信息和减小误差的目的。分别采用自回归模型和混沌支持向量机模型对原始序列和处理后的重构序列进行模拟预测。结果表明,应用奇异谱分析法进行资料的预处理可以大大提高中长期径流的预测精度。     

基于PSO-SVM的来水量预测模型

由于中小河流径流量复杂的变化特征,来水量有效预测模型建立较为困难,建立来水量预测的支持向量机模型,并对支持向量机进行了优化,选取河流径流量的数据样本对模型进行训练与预测,与实际值进行比较,同时用BP神经网络模型对相同的数据样本进行预测,并对两种模型的预测数据进行分析比较,结果表明,改进的支持向量机(PSO-SVM)具有较高的预测精度。