基于多种神经网络的水沙预测模型研究

为解决水沙变化机理中水库泥沙难以预测的问题，采用支持向量回归（support vector regression, SVR)、遗传算法-支持向量回归（genetic algorithm-support vector regression, GA-SVR）、粒子群优化-支持向量回归（particle swarmoptimization-supportvectorregression,PSO-SVR）、最小二乘支持向量回归（leastsquaressupportvector regression, LSSVR)等模型进行研究，并将模型应用于黑孜水库水文站的年径流量及年输沙量序列的预测分析。数据资料序列划分为85%的训练数据和15%的测试数据，使用均方根误差、相关系数、平均绝对百分比误差、纳什系数这4项指标来评价模型的精度，得到的结果可以为水库的短期调度和长期管理提供帮助。结果表明：LSSVR算法是4种模型中最优的，其误差最小，精度最高；构建的模型可为其他地区的水沙预测提供参考。