基于多种算法优化SVM模型的乌东德水电站降水量预报

作者：孙俊奎; 王将^*; 康道俊; 闫丽萍; 周稀

来源：干旱气象, 2019, 37(04): 670-675.

• 降水量预报
• 支持向量机
• 核函数
• 全局最优
• 乌东德水电站

基于粒子群优化(PSO)算法和遗传算法(GA)对支持向量机(SVM)的核函数及主要参数进行训练优化,分别建立PSO算法、GA的支持向量机模型(PSOSVM、GASVM)。选用ECMWF及T639数值预报产品资料和乌东德水电站降水资料,普查最优预报因子,构建包含各种类型降水过程的训练样本和测试样本。比较分析SVM模型RBF和Sigmoid核函数优劣。尝试先分段寻找局部最优,再选择全局最优的参数优化方法。通过增大训练样本集、降低交叉验证准确率、迭代次数截断和控制惩罚系数范围的方法,提高模型的稳定性和泛化能力,防止过拟合和收敛缓慢现象。利用测试样本对SVM、PSOSVM和GASVM三种方案进行对比检验,优化的GASVM预报效果较好且稳定。经2018年试报表明,GASVM逐3 h累计降水量预报TS评分在50%以上,漏报率在15%以下,与ECMWF和T639比较,该模型TS评分提高1. 4%。

• 单位
  云南省昆明市气象局