基于PSO-SVR的丹江口年径流预报

作者：王迁; 杨明祥; 雷晓辉; 舒坚; 孙利民; 黄雪姝

来源：南水北调与水利科技, 2018, 16(03): 65-71.

DOI：10.13476/j.cnki.nsbdqk.2018.0070

• 丹江口水库
• 回归支持向量机
• 粒子群优化算法
• 年径流预报
• 预报因子

目前应用于丹江口水库年径流预报的方法主要为物理统计和人工神经网络(ANN)等方法,但这些方法普遍存在预报精度不高和稳定性不强等缺点。选择回归支持向量机(SVR)模型应用于丹江口水库年径流预报,针对惩罚系数C、核参数σ和不敏感损失系数ε三个参数在实际赋值过程中存在计算量大、难以得到最优值等问题,将粒子群优化算法(PSO)加入到SVR模型中,建立PSO-SVR模型,实现了参数的自动优选。结果表明,PSO-SVR模型较之SVR模型,提高了预报精度;较之ANN模型,稳定性更强,可信度更高。该模型具有较好的应用价值,可为南水北调中线工程调度方案制定提供一定的参考依据。

• 单位
  中国科学院信息工程研究所; 中国水利水电科学研究院; 南昌航空大学; 流域水循环模拟与调控国家重点实验室; 黄河水利委员会信息中心