首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 500 毫秒

1.  基于支持向量机的中长期入库径流预报  被引次数:1
   赵红标  吴义斌《黑龙江水专学报》,2009年第36卷第3期
   采用基于支持向量机的预测模型对水库中长期入库径流进行预报,建立径流预报的SVM模型。预报因子的优劣决定着预测精度的高低。为了提高预报精度,尝试采用模糊优选法对预报因子进行优选。将所建模型应用于新疆雅马渡站的径流预测中,并与没有进行预报因子优选的SVM模型进行比较。结果表明,进行预报因子优化后的SVM模型明显提高了径流的预报精度,具有更高的应用价值。    

2.  基于支持向量机的中长期入库径流预报  
   赵红标  吴义斌《红水河》,2009年第28卷第5期
   采用基于支持向量机的预测模型对水库中长期入库径流进行预报,建立径流预报的SVM模型。预报因子的优劣决定着预测精度的高低。为了提高预报精度,尝试采用模糊优选法对预报因子进行优选。将所建模型应用于新疆雅马渡站的径流预测中,并与没有进行预报因子优选的SVM模型进行比较。结果表明,进行预报因子优化后的SVM模型明显提高了径流的预报精度,具有更好的应用价值。    

3.  径流中长期预报的粗集模糊推理-神经网络模型  
   许海军  孟凡玲《华北水利水电学院学报》,2007年第28卷第2期
   针对传统径流中长期预报模糊推理法存在的问题,基于粗集理论、模糊推理和神经网络技术,提出了基于粗集模糊推理-神经网络的径流中长期预报模型.通过比较预报因子相关关系系数值大小来选择径流的预报因子;用粗集理论约简径流中长期预报决策表,产生模糊推理规则;用BP神经网络技术学习模糊推理中的有关参数.实例验证,该模型比较客观地确定了预报因子模糊子集的隶属函数的参数,简单可行.    

4.  径流混沌时间序列的模糊支持向量机预测模型研究及其应用  
   郭晓亮  王国利  梁国华  王本德《水力发电学报》,2010年第29卷第3期
   针对径流混沌时间序列固有的确定性和非线性特点,以传统的支持向量机预测模型为基础,通过引入模糊隶属函数来考虑气候和流域下垫面条件变化,建立了径流混沌时间序列的模糊支持向最机预测模型.通过三种方法对长江寸滩站实际月径流时间序列的预测模拟结果对比,表明本文建立的模型具有更高的模拟精度,是一种有效的径流时间序列预测模型.    

5.  基于蚁群算法的支持向量机中长期水文预报模型  被引次数:2
   张俊  程春田  申建建  张世钦《水力发电学报》,2010年第29卷第6期
   支持向量机算法(SVM)具有可靠的全局最优性和良好的泛化能力,尤其适用于中长期水文预报中有限样本的学习,然而该算法的成功与否很大程度上取决于其参数的选择,而常规经验选取方法往往不能获得满意效果。本文建立基于蚁群算法参数优化的支持向量机模型(ACO-SVM),利用蚁群算法(ACO)基于进化的随机搜索策略对支持向量机参数进行识别。以福建省安砂水库的月径流预报为例,进行建模仿真,将模拟结果与时间序列方法(ARMA)、人工神经网络方法(BP-ANN)所获得的预报结果进行对比分析。结果表明,在拟合精度方面,ACO-SVM模型相比ARMA模型和BP-ANN模型有不同程度的提高,且增幅较大,且具有较好的泛化性能。    

6.  基于修正组合模型的河川径流中长期预报  
   景亚平  张鑫《水力发电学报》,2012年第31卷第6期
   为了充分发挥灰色模型在单变量预测及神经网络在处理非线性问题上的优势,同时降低二者的线性组合模型中组合权系数计算方法的不确定性对模型预测效果的影响,本文基于修正组合预测的思想,借助马尔科夫链对灰色GM(1,1)、BP神经网络及组合灰色神经网络模型预测的误差序列进行了修正处理,并通过分析比较修正单一模型与修正简单组合模型在中长期径流预测精度上的差异,提出了基于修正组合模型的河川径流中长期预报方法。将该方法应用于黄河中游区四条一级支流窟野河、秃尾河、无定河与孤山川的控制性水文站年径流预测中,结果表明基于马尔科夫链修正的组合灰色神经网络模型具有更好的拟合与预报精度,是一种更有效的径流预测方法。    

7.  模糊支持向量机在径流预测中的应用  
   花蓓  熊伟  陈华《武汉大学学报(工学版)》,2008年第41卷第1期
   在分析现有径流预测模型局限性的基础上,考虑径流量随时间变化的不确定因素,建立了基于模糊支持向量机的径流预测模型,使得较近时间的径流数据与较远时间的径流数据相比,对预测精度的提高影响更大.将该模型应用于新疆伊犁河雅马渡站年径流预测中,与传统的支持向量机预测模型比较表明,模糊支持向量机预测精度有较大的提高,并能进一步在其他流域径流预测中推广应用.    

8.  模糊支持向量机在径流预测中的应用  
   花蓓 熊伟 陈华《武汉水利电力大学学报》,2008年第41卷第1期
   在分析现有径流预测模型局限性的基础上,考虑径流量随时间变化的不确定因素,建立了基于模糊支持向昔机的径流预测模型,使得较近时间的径流数据与较远时间的径流数据相比,对预测精度的提高影响更大.将该模型应用于新疆伊犁河雅码渡站年径流预测中,与传统的支持向量机预测模型比较表明,模糊支持向量机预测精度有较大的提高,并能进一步在其他流域径流预测中推广应用.    

9.  支持向量机在中长期径流预报中的应用  被引次数:35
   林剑艺  程春田《水利学报》,2006年第37卷第6期
   本文探索了支持向量机在中长期径流预报中的应用。在支持向量机建模过程中引入了径向基核函数,简化了非线性问题的求解过程,并应用SCE-UA算法辨识支持向量机的参数。在SCE-UA搜索过程中进行了指数变换,以快速准确的找到最优参数。与人工神经网络模型预报结果比较显示,该模型能提高径流中长期预报的精度。    

10.  中长期水文预报方法研究综述  被引次数:1
   徐冬梅  赵晓慎《水利科技与经济》,2010年第16卷第1期
   由于中长期水文预报对于水资源规划管理、水库及水电站调度具有的重要意义,其研究一直受到学术界和工程界的广泛关注。通过围绕其传统预报方法成因分析、数理统计方法和时间序列分析技术,和其现代的人工智能预报技术,包括模糊分析、人工神经网络、灰色系统分析、小波分析、混沌分析、支持向量机、遗传程序设计以及这些方法的相互耦合等进行的全面介绍和评述,并指出将来中长期水文预报的进一步研究方向。    

11.  雨季段中长期预报模糊聚类模型及其应用  
   王振宇  梁汉华  刘国华《水力发电学报》,2005年第24卷第2期
   为了克服对中小流域作径流预报时收集预报因子的困难,在中长期径流模糊聚类预报模型基础上,结合径流的周期变化规律,提出了雨季段中长期模糊聚类预报模型。该模型从雨季段径流的周期性规律中提取预报因子,把模糊聚类预报模型从年径流预报推广至雨季段径流预报。在对丰潭水电站雨季段径流的预报中,取得了满意的结果。    

12.  结合均生函数的神经网络在中长期水文预报中的应用  
   李〓阳《水电能源科学》,2013年第31卷第2期
   针对中长期径流预报在水库中长期运行方案制定及调度决策形成中的作用,基于传统和智能预报方法各自的优势,利用均生函数模型记忆时间序列的内在规律,采用偏最小二乘方法对预报因子进行降维处理,建立了结合均生函数的神经网络预报模型,并利用神经网络模型修正预报结果。实例计算表明,该模型不仅可提取径流序列的特征,且预报精度也较单一的均生函数模型和神经网络模型有所提高。    

13.  基于支持向量机的水电站中长期径流组合预报  
   李继伟  纪昌明  张新明  石萍《水电能源科学》,2013年第31卷第11期
   中长期径流预报是充分利用水资源、实现水电站优化运行的重要环节。以金沙江中游龙盘电站为研究对象,分别采用自回归滑动平均模型、最近邻抽样回归模型、BP神经网络建立了该水电站月径流预报模型,在分析三种模型预报结果具有一定互补性的基础上进一步建立了支持向量机分月组合预报模型。统计结果表明,与单一预报模型相比,该组合预报模型具有更高的精度和稳定性,为寻求水电站径流预报规律和制定中长期调度计划提供了技术支持。    

14.  WPSO-SVR耦合日径流预测模型研究及应用  
   任化准  陈琼  何有良  叶彬《人民长江》,2017年第10期
   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.    

15.  河川径流中长期预测的支持向量机模型  
   李彦彬  黄强  徐建新  张泽中《水力发电学报》,2008年第27卷第5期
   径流预测历来是水利部门的一项重要工作,本文基于支持向量机(SVM)方法建立河川径流中长期预测模型,通过对1976-1994年黄河上游兰州站径流量历史数据分析处理后,得到年径流量增长的时间序列,利用所建模型对该序列值进行仿真模拟。在仿真实验后,用1995-1996年的增长量进行模型检验,并与RBF网络模型、BP神经网络模型预测结果进行对比,结果表明,应用SVM模型对年径流量进行预测,预测精度更高、效果更好。    

16.  基于KPCA-PSO-SVM的径流预测研究  
   杨易华  罗伟伟《人民长江》,2017年第3期
   为提高径流预测模型的准确性与稳定性,对KPCA-PSO-SVM的径流预测方法进行了研究.在分析径流影响因素的基础上,利用核主成分分析(KPCA)法对径流影响因子进行非线性特征提取,获得主成分作为支持向量机(SVM)的输入变量,建立了径流预测SVM模型,其中模型参数通过粒子群算法(PSO)进行优化.模型建立后,以新疆伊犁河雅马渡站中长期径流预测为例进行分析.预测分析结果表明,在拟合和检验阶段模型的平均相对误差分别为0.77%和7.64%,与其他预测模型比较,基于KPCA-PSO-SVM方法建立的径流预测模型有较好的预测和泛化能力,是一种行之有效的中长期径流预测方法.    

17.  支持向量机在耕地面积预测中的应用研究  
   蔡奎生《计算机仿真》,2011年第28卷第9期
   研究耕地面积准确预报问题,粮食产量稳定性受到耕地面积变化的影响.耕地面积是一种高度不稳定、复杂且难以预测,传统预测方法都是根据线性模型,忽略了耕地面积的非线性特征,导致预测精度不高.为了提高耕地面积预测的精度,提出一种基于支持向量机的耕地面积预测模型.利用相关分析和灰色关联分析对影响耕地面积变化的因子进行筛选,做为支持向量机的输入,耕地面积数量作为输出,可通过粒子群法对支持向量机的参数进行寻优,最后建立最优的耕地面积预测模型,对江苏无锡市耕地面积进行仿真.仿真结果表明,支持向量机模型比神经网络和其它预测模型有较高的预测精度,适用于耕地面积预测等非线性问题,为耕地面积预测提供了依据.    

18.  灰色关联支持向量机在备件库存消耗预测中的应用  
   高鹍  邢国平  孙德翔  黄勇《电光与控制》,2012年第19卷第3期
   备件库存消耗预测是多因素综合影响下的非线性、小样本预测问题,且不同备件消耗的影响因素有所差异。针对上述问题,提出了一种基于灰色关联分析和支持向量机回归相结合的备件库存消耗预测方法。首先利用灰色关联分析计算出各影响因子与备件库存消耗的灰色关联度,量化了各因子对备件库存消耗的影响程度;再将筛选出的主因子作为支持向量机的输入,并利用遗传算法对支持向量机参数进行寻优,避免人为选择参数的盲目性,从而有针对性地对机体不同备件进行预测。最后,通过实证分析,验证了该方法应用于备件库存消耗预测的有效性和优越性,预测精度高于传统的备件预测模型。    

19.  若干水文预报方法综述  被引次数:18
   王文  马骏《水利水电科技进展》,2005年第25卷第1期
   将现有水文预报方法分为过程驱动模型方法和数据驱动模型方法两大类.过程驱动模型指以水文学概念为基础,对径流的产流过程与河道演进过程进行模拟,从而进行流量过程预报的模型.过程驱动模型近年在中长期预报方面的发展主要表现在对概念性流域降雨径流模型的结构进行改进,以适应较大时间尺度预报的需要.数据驱动模型则是基本不考虑水文过程的物理机制,而以建立输入输出数据之间的最优数学关系为目标的黑箱子方法.数据驱动模型以回归模型最为常用,近年来由于神经网络模型、非线性时间序列分析模型、模糊数学方法和灰色系统模型等的引进,以及水文数据获取能力和计算能力的发展,数据驱动模型在水文预报中受到了广泛的关注.    

20.  船舶横摇运动实时在线预报方法  
   刘胜  杨震《电机与控制学报》,2011年第15卷第10期
   为进一步提高支持向量机预报模型在船舶横摇运动预报中的精确度以及实时性,提出一种利用混沌理论和在线最小二乘支持向量机的实时在线预报方法。在混沌动力系统相空间重构的基础上,采用饱和关联维数法对船舶横摇运动的时间序列进行混沌特性判定,并建立混沌在线最小二乘支持向量机实时预报模型。对某船横摇运动时间序列进行预报,仿真结果表明,此模型的实时预报误差指标值RMSE在7%左右,相比于基于支持向量机和神经网络的组合预报模型,该模型能够有效提高预报精确度和收敛速度,延长预报时间。    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号