KPCA_SVM水文时间序列预测模型的建立与应用.pdfVIP

第 37卷 第 9期 西北农林科技 学学报 (自然科学版) Vo1．37 NO．9 2009年 9月 JournalofNorthwestAFUniversity(Nat．Sci．Ed．) Sep． 2009 KPCA _ SVM 水文时间序列预测模型的建立与应用 邵年华 ，沈 冰 ，黄领梅 ，戴玉萍 (1西安理工大学 西北水资源与环境生态教育部重点实验室 。陕西 西安 710048；2新疆和田河管理局 ，新疆 和田848000) [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。[TY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1KP～ CA— s M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 [中图分类号] P333．1 [文献标识码] A [文章编号] 1671—9387(2009)09—0204—05 Establishmentandapplicationofhydrologicaltimeseries forecastingmodelbasedonKPCA SVM ． — — SHAO Nian—hua ，SHEN Bing ，HUANG Ling—mei，DAIYu—ping (1xi’anUniversityofTechnology，KeyLabofNorthwestWaterResourcesandEnvironmentalEcology， MOE，Xi’＆n．Shaanxi710048，China；2AdministrationBureauoytheHotanRiver，Hotan，Xinjiang848000，China) Abstract：[Objective]TheKPCA—SVM modelofhydrologicaltimeseriesforecastingmodelwasestab— lished．[Method]ThemethodofKernelPrincipleComponentAnalysis(KPCA)wasusedtoobtainthefea— tureinformation．andthentheobtainedserieswasusedasinputofIeastSquareSupportVectorMachine modelforforecasting．W ithmonthlyevaporationintheM inqinregionasanexample。itwasappliedtotest forecastingresultofmode1．[Result]Theresultsshow thattheKPCA—SVM mode1hadabettereffecton forecastingthanPCA— SVM andLSSVM ，andtheaverageerrorwas8．36 ．[Conclusion]Theforecasting effectofKPCA SVM modelwasmuchb