回归支持向量机模型及其在年径流预测中的应用

摘要：

研究交叉验证（ CV） SVR年径流预测模型，以云南省清水江革雷站为例进行实例分析。利用SPSS软件选取年径流影响因子，确定输入向量；采用CV方法搜寻SVR惩罚因子C和核函数参数g ，构建CV-SVR多元变量年径流预测模型，并构建GA-BP、传统BP模型作为对比模型。利用所构建的模型对实例进行预测。结果表明：CV-SVR模型对实例后15年年径流预测的平均相对误差绝对值和最大相对误差绝对值分别为3．4596％、9．3035％，预测精度和泛化能力均优于GA-BP、传统BP模型，表明CV能有效搜寻SVR惩罚因子C和核函数参数g。 CV-SVR模型具有预测精度高、泛化能力强以及算法稳定等特点。

关键词：回归支持向量机、交叉验证、BP神经网络、遗传算法、径流预测

分类号：TV121(水利工程基础科学)

在线出版日期：2014-05-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：213-217