基于KPCA-PSO-SVM的径流预测研究

作者：杨易华; 罗伟伟

来源：人民长江, 2017, 48(03): 44-47.

DOI：10.16232/j.cnki.1001-4179.2017.03.009

• 径流预测
• 核主成分分析
• 支持向量机
• 粒子群优化

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。

• 单位
  武汉大学; 中国人民解放军陆军勤务学院; 水资源与水电工程科学国家重点实验室; 长江水利委员会