期刊文献+

LS-SVM在径流预测中的应用 被引量:21

Application of Least Squares Support Vector Machines in Runoff Forecast
下载PDF
导出
摘要 提出一种基于最小二乘支持向量机(LS-SVM)的径流预测方法。采用线性函数、多项式函数和径向基函数3种核函数进行机器学习,经过反复计算和对比分析,建立了精度较高的径流预测模型。预测实例表明,LS-SVM模型预测的平均相对误差比支持向量机(SVM)减少了2.4%,预测合格率为100%。LS-SVM建模速度快,适用于小样本情况并能得到全局最优解,将其用于径流预测是可行的。 A runoff forecast method is recommended based on least squares support vector machines (LS-SVM). Three kinds of kernel functions(linear function, poly function and radial basis function) are used in machine learning. With continued calculations and comparative analyses, a runoff forecast model with high precision is established. The practical forecasting results show that the mean percentage error of LS-SVM model decreases by 2.4% compared with SVM model and the eligibility rate is 100%. The speed of LS -SVM model is high, it can be used in limited samples to acquire the optimal solution. The proposed model for runoff forecast is feasible.
出处 《中国农村水利水电》 北大核心 2008年第5期8-10,14,共4页 China Rural Water and Hydropower
基金 国家自然科学基金项目(50539140) 国家自然科学基金项目(50679098)
关键词 水利管理 径流预测 最小二乘支持向量机 核函数 hydraulic management runoff forecast least squares support vector machine kernel function
  • 相关文献

参考文献7

二级参考文献38

共引文献2526

同被引文献236

引证文献21

二级引证文献163

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部