基于AGA的SVM需水预测模型研究

摘要：

需水预测是一个由城市人口、工业水平、社会经济水平共同作用的多因素、多层次的复杂非线性系统.其结果将直接影响受区域水资源承载力约束的产业结构、布局形态等决策.作为一种集中参数预报方法,支持向量机方法具有对未来样本的较好的泛化性能,对于这类资料缺乏、系统结构尚欠清晰的问题可以取得较好的模拟和预测结果.基于此,本文将支持向量机方法引入需水预测领域,建立了需水预测支持向量机模型.同时,本文将加速遗传算法和支持向量机方法耦合起来,构造了支持向量机模型参数的自适应优化算法.模型在珠海市的应用实例表明:与简单遗传算法比较,AGA的模型参数寻优效率更高;与BP神经网络模型相比,SVM模型较好地解决了小样本、经验性等问题,并取得了较高的预测精度.

关键词：需水预测、支持向量机、加速遗传算法、BP神经网络

所属期刊栏目：28

分类号：P338(水文科学（水界物理学）)

资助基金：国家自然科学基金50579078;广东省自然科学基金04009805;广东省自然学基金7300513

在线出版日期：2008-05-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：38-42,46