KPCA_SVM水文时间序列预测模型的建立与应用

摘要：

[目的] 建立水文时间序列预测的核主成分支持向量机(KPCA_SVM)模型.[方法] 利用核主成分分析(KPCA)对输入数据进行非线性特征信息提取,并将提取的特征信息作为最小二乘支持向量机(LSSVM)的输入变量,建立KPCA_SVM预测模型.以甘肃民勤地区的月蒸发量为例,对模型的预测效果进行检验.[结果] 预测结果表明,KPCA_SVM模型预测效果优于PCA_SVM模型和LSSVM模型,预测平均相对误差为8.36%.[结论] KPCA_SVM模型的预测效果优于没有特征提取的LSSVM模型.与主成分分析(PCA)提取特征相比,KPCA特征提取效果更好.

关键词：水文时间序列、蒸发量、核主成分分析、支持向量机、KPCA_SVM模型

所属期刊栏目：37

分类号：P333.1(水文科学（水界物理学）)

资助基金：国家自然科学基金项目50779052

在线出版日期：2016-05-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：204-208