基于遗传算法的SVM冰凌预报模型研究.pdfVIP

第33卷第1期 华北水利水 电学院学报 V01．33No．1 2012年2月 Journalof ChinaInstituteofWater and Power Feb．2012 Nqrth ConservancyHydroelectric 文章编号：1002—5634(2012)01—0019—04 基于遗传算法的SVM冰凌预报模型研究 周翔南，王富强，蔺 冬 (华北水利水电学院，河南郑州450011) ， 摘要：针对传统支持向量回归参数大多采用经验率定的情况，提出了一种基于遗传算法优化支持向量回归 参数的冰凌预报模型．运用MATLAB软件进行建模，并将其应用于黄河宁蒙段三湖河口封、开河日期的预报． 结果表明，经过优化的支持向量回归模型泛化能力强，预报效果优于传统支持向量回归模型． 关键词：遗传算法；支持向量机；凌汛预报；封河日期；宁蒙段 凌汛是河道里的冰凌对水流阻力作用而引起的 样本、非线性、高维数的实际问题，并能避免局部极 一种涨水现象，它不仅直接影响到水利工程的运行 值，其已成为水文预报的一种新途径．目前支持向量 和维护、水利发电、内陆航运、冬季输水、河流的环境 机参数的选取，国际上并没有公认的最佳方法，目前 和生态问题，而且当冰凌严重阻塞河道时，往往会导 大多数根据经验来率定支持向量机参数‘6o．笔者针 致凌洪泛滥成灾，给人民生命财产带来巨大的损失． 对这种情况运用遗传算法对支持向量回归参数进行 因此，分析河流冰情成因，建立相对准确的封、开河 优化，以期得到良好的预报效果． 预报模型，对防凌工作具有十分重要的意义． 1 基于参数优化的支持向量机 国外在冰情研究方面起步较早，1981年Petyk 建立了适用于稳定流的冰凌模型．之后，很多学者在 1．1支持向量机简介 冰情方面做了大量工作．其中美国clarkson大学的支持向量机是现今机器学习界的研究热点之 沈洪道教授，主要依据热交换原理和冰水力学理论 一，在分类、时间序列预测、函数拟合回归等方面都 建立冰凌预报的数学模型…．国内冰情预报的研究 已成功运用．其主要思想是建立一个分类超平面作 虽然起步较晚，但目前研究水平基本上与国际先进 为决策曲面，使得正例和反例之间的隔离边缘被最 水平保持同步．1989年黄委会水文局李若宏等口1主大化．其理论基础是统计学习理论和Vc维数(Vap． 编的《黄河流域实用水文预报方案》，其中冰情预报 nik—Chervonenkis 方案在防凌工作中发挥了很大作用．可素娟等∞1于 的选取发现，RBF径向基核函数对非线性、高维度 1998年建立了黄河上游实用冰情数学模型．陈守煜数据有良好的适应性，适合用于冰凌预报，这里选用 等H。o先后采用模糊优选神经网络、时间序列分析 RBF径向基函数作为SVM的核函数． 等新方法进行黄河凌汛预测，取得了一定的成果．但 K(菇，*。)=exp(一y||戈i一戈iIl 2)，y0(1) 是，由于冰凌观测资料系列短、影响因子众多且各要 1．2遗传算法优化原理 素之间存在着非常复杂的非线性关系，很难建立确 遗传算法(Genetic 定的数学模型来进行封、开河等凌汛预报．支持向量 生物界的进化规律(适者生存，优胜劣汰遗传机制) Vector 机(SupponMachine，SVM)能较好地解决小演化而来的自适应概率性随机化迭代搜索算法‘7[． 收稿日期：20ll一10一21 自然科学研究计划项目(20“B170006)． 作者简介：周翔南(19