基于支持向量机的水资源预测模型.pdfVIP

第30卷第1期 成都信息工程学院学报 Vd．30NO．1 UNIVERSITYOFINFORMATIONTECHNOLOGY Feb．2015 OFCHENGDU 2015年2月 JOURNAL 文章编号：1671．1742(2015)01-0059—04 基于支持向量机的水资源预测模型 潘长森1， 王小亭1， 梁晓龙2 摘要：水资源信息的预测可以为水资源的合理调配、管理和规划提供依据，为提高拟合和预测精度，建立基于 支持向量机的水资源信息预测模型，采用捕鱼算法对其参数优化，并应用于地下水水位预测的实例分析，且拟合及 预测精度均较高，与神经网络模型方法所取得的结果进行比较，能取得更好效果，表明将回归支持向量机用于水资 源信息的拟合、预测是可行的。 关键词：人工神经网络；支持向量机；捕鱼算法；水资源；预测模型 中图分类号：TPl83 文献标志码：A 0 引言 如图1(b)所示。H为分类超平面，平行于分类超平面 H且分别过两类样本中距超平面最近样本的平面H1 随着中国水资源短缺、水质恶化，尤其是西北地区 水资源状况日益严峻，对水资源的管理和调配越来越 开两类样本且使分类间隔最大的分类平面H，称为最 受到重视，而在水资源的规划利用过程中，水资源预测 优分类超平面(optimalseparating 发挥着重要作用。不论是时间序列法、回归分析法等 平面Hl或H2上的样本点称作支持向量。 常规统计方法，还是灰色理论、BP网络等新型方 法¨_5J，都需要大量样本数据，并且存在各自的问题： 时间序列、回归分析法预测精度不高；而灰色理论白化 函数构造工作量大，且方法不统一；BP网络隐节点数 目的确定还没有统一方法，而不同的隐节点数又影响 预测结果。回归支持向量机【6-7 Vector J(Support Machise，SVM)模型适合解决小样本、高维度、非线性 | ”lf| 问题，具有收敛数度快，推广能力强的特点，因而将最 (a)线性分类器 小二乘回归支持向量机(峪SⅥ王)模型用于水资源的 分类间隔 预测具有一定的理论意义。 1支持向量机理论 1．1支持向量机的基本思想 工作机理【8-11j：对于线性可分的数据，寻找一个 既要保证分类精度，又要使两侧空白区域最大化的分 (b)鼓优线性分类器 类超平面。理论上，SVM能够将线性可分数据分类最 图1支持向量机示意图 优化。而对于线性不可分数据，可以通过核函数将其 映射成高维空间中的线性可分数据。 1．2最dx--乘回归解法的LS-SVR模型 基本思想如图1所示。由空心和实心两种点代表 两类样本，能够将其分开的线性分类器有多种(如图1 型[1 (a)中的z、优和咒)。但最优的线性分类器只有一个， 2|。设某区域的1个行维向量样本表示为：(z1， Y1)，(zl，Y2)，…，(zz，Yt)∈R”×R。 收稿日期：2014—00．00 基金项目：国家自然基金资助项目 映射垆(．)将样本从原空间R型特征空间 万方数据 成都信息工程学院学报 第3