基于支持向量机的绿地径流系数预测模型的建立.pdfVIP

·104· 沈 阳 农业 大 学 学报 第38卷 毒：，则用于函数逼近的支持向量机为： 膨n 导…Iz+c∑￡(毒，亭：) (4) EK厶 埘ER飞”§‘∈儿4；b 涪1 I一m)≤￡+毒 s．t．№)一∞≤8+孝： l喜，￡≥o扛1，2，…，n 。：曼{丕㈦一理J@刊阮。劫+8；@：+曲一萋烈d：一aJ (5) ∑僻一aJ=o 岸1 S．t． 0≤啦，d：≤￡， 括1，2，…，n n 解得式(5)的唯一最优解a=(ai，Q：，…，理。，仅：)7，则原始问题(4)关于叫的唯一解为： ；=∑霞一五溉 (6) function)代替样本向量的内积运算，可以得到决策回归方程： 在支持向量机中引入核函数K0，戈，)(Kemel 弛)=∑霞一面K魄，戈，)+_ (7) 由于只有一部分a：一啦≠0，与之对应的样本成为支持向量，故式(7)即为￡一支持向量回归机，此式中不能显 式表示出来，使函数逼近的求解直接在输入空间上进行，避开了高维空间，从而避免了计算非线性映射‘P0)。 核函数是对称正实数函数，常用的核函数有：多项式核函数： K0，菇，)=[他·戈，)+坪，Gauss基核函数：K@， 戈，)=exp(一II戈—戈，¨2·谚，．si暨啪id核函数：K(戈，戈，)=tanh[’y(鬈·z，)+r】 核函数是SVM理论中最重要的概念之一。通过引入核函数，可以把训练数据集从输入空间非线性的映射 到一个高维特征空间(Hilbert空间)，在该空间中求解凸优化问题(典型的二次规划问题)，并得到唯一解。 2．2．2实验数据处理为了消除各影响因子由于量纲和单位的不同所造成的影响，并考虑到样本不一定包含总 样本的极值．对样本的输入输出按下式进行规范化处理： Pj=舞(汹，2…后) (8) 式中：只，Pj为规格化前后的样本；m为喈；M为 ＆ O．03 max；尼为样本数量。 + 扭1 + 2．2．3优化算法的选择采用经典支持向量机计算 0．02 + 冰 + 时，若样本规模很大．存储核函数矩阵需要大量的内 胃 o．01 + 置 ÷+ + + 存，在二次寻优过程中将进行大量的矩阵运算，使得 + 占 O + ++ 十 ++++ +