岩溶水系统支持向量机泉流量预报模型研究
针对岩溶系统结构不甚清晰、基础资料不完备条件下泉水流量预报问题,引入了能较好地解决小样本、非线性、高维数和局部极小点等问题的支持向量机(Support Vector Machines,SVM)方法,将泉流量影响因子时间序列与支持向量机方法有机结合,建立了岩溶水系统支持向量机泉流量预报模型,并与BP神经网络模型进行了实例比较.结果表明,SVM模型具有泛化能力强、预报精度高的特点,可很好地克服神经网络的过学习问题,同时,针对SVM模型”峰值”预报精度差的缺点,提出了”峰值”预报解决方案.
支持向量机、神经网络、时间序列、泉流量预报模型
P641.8(水文地质学与工程地质学)
2008-05-12(万方平台首次上网日期,不代表论文的发表时间)
共5页
29-32,42