基于多元变量组合的回归支持向量机集成模型及其应用

为进一步提高径流预测的精度和泛化能力,提出基于多元变量组合的回归支持向量机(SVR)集成年径流预测模型,以云南省龙潭站年均径流预测为例进行实例研究。首先,以实例1—10月月均流量作为预测因子,采用相关分析法确定预测因子与年均径流量的相关系数,按照相关系数大小顺序依次选取预测因子,构建2维输入变量~10维输入变量的9种SVR模型对实例后12年的年均径流量进行预测。最后,采用简单平均(SA)和加权平均(WA)两种集成方法对具有较高预测精度的7种SVR模型的预测结果进行综合集成。结果表明:①SVR模型的预测精度随着输入变量维数的增加明显提高。②SA-SVR和WA-SVR模型对实例后12年年均径流量预测的平均相对误差绝对值分别为1.73%和1.79%,最大相对误差绝对值分别为6.34%和6.47%,精度和泛化能力均优于各SVR模型。相对而言,由于采用多个SVR模型进行集成,SA-SVR模型预测效果略优于WASVR模型。     

回归支持向量机模型及其在年径流预测中的应用

研究交叉验证（CV）SVR年径流预测模型,以云南省清水江革雷站为例进行实例分析。利用SPSS软件选取年径流影响因子,确定输入向量;采用CV方法搜寻SVR惩罚因子C和核函数参数g,构建CV-SVR多元变量年径流预测模型,并构建GA-BP、传统BP模型作为对比模型。利用所构建的模型对实例进行预测。结果表明：CVSVR模型对实例后15年年径流预测的平均相对误差绝对值和最大相对误差绝对值分别为3.4596%、9.3035%,预测精度和泛化能力均优于GA-BP、传统BP模型,表明CV能有效搜寻SVR惩罚因子C和核函数参数g。CV-SVR模型具有预测精度高、泛化能力强以及算法稳定等特点。     

加权平均集成模型在径流预测中的应用

针对单一预测模型泛化能力不强、误差稳定性能较差等局限性,基于遗传算法优化支持向量机、遗传算法优化BP神经网络、径向基神经网络三种单一预测模型的预测结果,建立了径流量预测的加权平均集成模型,并将其用于预测黄河上游唐乃亥水文站的年、月径流量。结果表明:加权平均集成模型集成了各单一预测模型的优点,在预测精度、泛化能力以及稳定性能方面均优于单一预测模型。     

基于PCA和支持向量机的径流预测应用研究

影响径流量的因素很多,并且这些因素与径流量之间存在着复杂的非线性关系。将主成分分析和支持向量机相结合,首先进行特征提取,降低数据维数,获取数据的主要信息;然后利用支持向量机建立径流预测模型,取得了非常好的效果。并与支持向量机回归模型进行了比较,结果表明该方法具有更好的预测精度,值得推广。     

果蝇优化算法与支持向量机在年径流预测中的应用

针对支持向量机(SVM)学习参数难以确定的不足,利用果蝇优化算法(FOA)搜寻SVM学习参数——惩罚因子和核函数参数,提出FOA-SVM预测模型,并构建基于粒子群优化(PSO)算法、遗传优化(GA)算法搜寻SVM学习参数的PSO-SVM和GA-SVM模型作为对比,以云南省董湖站年径流预测进行实例研究。结果表明,FOASVM模型预测精度优于PSO-SVM和GA-SVM模型,具有较高的预测精度和泛化能力。     

支持向量机在径流预报中的应用探讨

径流的形成是一个涉及到水文、气象及力学等复杂的过程,中间包含降水、蒸发、产流、汇流等复杂过程,还受到地形、地貌、流域下垫面和人类活动等因素影响,其变化非常复杂,作为一种新的机器学习算法,支持向量机在样本有限的情况下,采用结构风险最小化准则,把学习问题转化为一个二次规划问题,从而得到唯一的全局最优解。尝试将最小二乘支持向量机技术用于径流预测,并与BP神经网络方法的预测结果进行了对比,证明SVM方法预测径流量精度要优于BP神经网络方法。     

支持向量机在乌龙矶站径流预测中的应用研究

潘家口水库是海河流域的重要水源地之一,科学预测其来水量可以为流域的水量调度、水资源保护、水资源规划与管理等提供工作依据.利用潘家口水库上游主要控制站——乌龙矶水文站的实测资料,将成熟的预测方法和新技术应用到基于支持向量机的径流预测模型,以期为潘家口水库优化调度和合理使用提供可靠的水文信息,提高其经济效益和社会效益.     

相关向量机及其在径流预测中的应用

介绍了贝叶斯框架下相关向量机的基本理论,并利用其对黄河某水文站的年径流与月径流量进行了预测。结果表明：在年径流预测方面,取高斯核函数的宽度值为2.0时,预测效果较为理想;在月径流预测方面,各个月检验阶段和拟合阶段的相对误差全部在10%以内,平均相对误差在2%以内,预测效果较好。     

遗传算法与最小二乘支持向量机在年径流预测中的应用

为克服最小二乘支持向量机(LSSVM)依赖人为经验选择学习参数的不足,利用遗传优化算法(GA)选择LSSVM惩罚因子C和核函数参数σ2,构建GA-LSSVM年径流预测模型,并构建LSSVM、GA-BP和传统BP模型作为对比,以云南省河边水文站年径流预测为例进行实例研究,利用实例前30 a和后22 a资料分别对各模型进行训练和预测。结果表明:GA-LSSVM模型对实例后22 a年径流预测的平均相对误差绝对值和最大相对误差绝对值分别为3.13%、8.66%,预测精度优于LSSVM、GA-BP和传统BP模型。GA算法全局寻优能力强,利用GA算法优化得到的LSSVM学习参数可有效提高LSSVM模型的预测精度和泛化能力。     

改进支持向量机模型在城市需水量预测中的应用

以某城市需水量为研究对象,运用改进的支持向量基模型对该地区1991年到2001年的用水量进行模拟计算,并用该市2002年和2003年的用水量进行模型检验,与GM(1.1)模型所得的结果作比较,分析证明了改进的SVR模型方法能取得更好的结果。     

耦合二次因子筛选和深度学习的径流预报研究

径流影响因子的有效筛选是径流预报研究的关键环节。然而影响径流的要素众多,且因子间存在复杂的相互作用。现有研究大都采用一次因子筛选的数值驱动模型,且研究结果表明输入因子在空间上存在数据冗余,导致预报效果不佳。基于此,以渭河流域为例,对比分析支持向量回归(SVR)与长短记忆网络模型(LSTM),并选出最优的预报模型为LSTM模型。采用主成分分析法与灰色关联度分析法对输入项进行二次筛选,形成主成分分析、灰色关联度分析法与长短记忆网络的耦合模型。结果表明:①LSTM的拟合精度高于SVR;②二次筛选输入项提升了预报精度,耦合模型的预报精度均优于单一模型,其中耦合模型相对单一模型的模型精度评价指标均有大幅度提升;③灰色系统关联分析耦合模型相比主成分耦合模型的纳什效率系数、确定性系数分别提升了0.13%、0.03%,观测值标准偏差比提升了42.9%。研究表明采用灰色关联度进行二次因子筛选,能够有效提高预报精度。     

日径流的组合预测模型

根据最优加权组合预测原理，建立了径流响应线性模型和时间序列模型的优化加权组合模型，以预测日径流，依据最小二乘法原理确定其优化加权系数，预测结果表明，优化加权组合模型可提高预测精度。     

旱情预报技术进展与展望

受全球气候变化影响和人类活动的加剧,干旱灾害发生频次增加且强度增大,严重威胁着我国的粮食安全和水安全。准确及时的旱情预报,对于制定科学有效的干旱应对策略、减少灾害造成的损失具有重大意义。从基于数理统计模型的预报技术和基于物理机制模型的预报技术两方面入手,梳理回顾了国内外研究进展,揭示了当前预报技术所存在的问题,并提出针对性的解决方案。未来研究应注重提高干旱监测数据的质量、突破核心关键技术、构建全国旱情预报业务化系统,为抗旱减灾事业提供强有力的科技支撑。     

气候变化情景下黄河天然径流预测研究

1961—2000年黄河天然径流量呈减小趋势,且径流变化与降水量变化过程基本一致。选用IPCC提出的A2、B2两种温室气体排放方案,并采用北京大学在黄河流域未来气候情景研究中的降尺度成果,以黄河流域未来气候情景模式和预测成果为基础,建立黄河水量平衡模型,预测黄河主要断面的未来天然径流量并分析其时空变化。结果表明:黄河径流量2050年将减少29.3亿～61.1亿m3,2100年将减少42.2亿～71.2亿m3;从空间分布来看,上游兰州以上主要产水区的降水量、径流量有较大幅度减小,其他区域产流量有所增加;从径流年内分配来看,冬季、春季略有增加或基本不变,夏季、秋季减少明显。     

基于PSO的SVM年径流预报模型研究

为了使SVM具有更好的预测效果,考虑到人为选择参数的随机性,提出了应用PSO优化SVM参数的年径流预报模型,并将其应用于伊犁河雅马渡水文站的年径流预报。结果表明:与改进的最速下降共轭梯度法、进化单纯形法相比,经参数优化的SVM年径流预报模型能够较好地模拟年径流量与其影响因子之间的非线性映射关系,提高预报精度。     

HIMS系统模型在洪水预报中的应用

根据研究流域的自然条件以及水文、气象资料,在HIMS系统平台下定制半干旱区典型小流域的日径流模型和湿润地区典型流域的次洪预报模型。模拟结果表明:日径流模型效率系数在率定期和检验期分别为0.75和0.73;次洪模型效率系数在率定期和检验期分别为0.84、0.81,洪水总量误差分别为4.9%、3.6%,洪峰值误差分别为17.1%、21.4%,洪峰时间误差分别为1.6h、2.0h,模拟和检验结果为乙等水平。由此可见,HIMS定制模型具有很强的地区适应性。最后,对模拟峰值偏低的问题进行分析探讨。     

季节性AR模型在葛洲坝月径流预报中的应用

自回归模型属于线性平稳模型，只能描述平稳序列的统计特性。当水文序列具有季节性变化时，其统计特性则随季节而变，即随时间而变。文章探讨了季节性自回归模型运用中需注意的一些问题．并将其用来做葛洲坝入库月径流预报，取得了较好的效果。     

中长期径流预报研究进展及发展趋势

从中长期径流演变规律、径流预报因子识别、径流预报模型和径流预报系统4个方面阐述了中长期径流预报的研究进展,在此基础上分析了中长期径流预报面临的主要问题和发展趋势。未来中长期径流预报研究应更加注重多学科综合和跨学科交叉,更加注重预报方法的适用性及预报结果的可靠性、稳定性,更加注重高新技术的应用。     

柏叶口水库洪水预报方案

根据柏叶口水库所在流域特点选择适合的水文模型与产汇流模型,并论述了应如何选定洪水预报方案及如何率定模型的参数。     

清江隔河岩库区重要滑坡预测模型的探讨

 为了掌握隔河岩库区主要滑坡体变形发展的动态和趋势，将近年来取得的安全监测资料，采用模型筛选、带权回归、参数优化及样条回归等方法，建立了有效的预测模型。