基于多种算法优化SVM模型的 乌东德水电站降水量预报
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.11755/j.issn.1006-7639(2019)-04-0670

基于多种算法优化SVM模型的 乌东德水电站降水量预报

引用
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(PSO_SVM、GA_SVM).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、PSO_SVM和GA_SVM三种方案进行对比检验,优化的GA_SVM预报效果较好且稳定.经2018年试报表明,GA_SVM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%.

降水量预报、支持向量机、核函数、全局最优、乌东德水电站

37

P456(天气预报)

国家自然科学基金重点项目91537212;中国气象局预报员专项项目CMAYBY2018-068

2019-09-18(万方平台首次上网日期,不代表论文的发表时间)

共6页

670-675

相关文献
评论
暂无封面信息
查看本期封面目录

干旱气象

1006-7639

62-1175/P

37

2019,37(4)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn