摘要
城市需水预测是城市水资源规划、管理、决策的重要依据。为提升需水预测的准确性,提出一种基于最小二乘支持向量机(LSSVM)的非线性预测模型。针对灰狼优化算法(GWO)寻优过程易陷入局部最优的问题,采用一般性反向学习与非线性控制参数对其进行改进,以提升全局优化性能。改进后的GWO算法更适合应用于非线性模型参数的拟合,因此将其引入LSSVM需水预测模型,用来拟合模型的超参数。采用上海市近年来城市供水数据来检验模型,仿真结果表明提出的城市需水预测模型平均相对误差为0.78%,最大相对误差为1.37%,具有良好的泛化能力,可作为需水预测的一种有效方法。
-
单位重庆财经职业学院