基于支持向量回归机的水文混沌时间序列预测.pdfVIP

第42卷第19期 数学的实践与认识 V01．42．No．19 2012年10月 MATHEMATICSINPRACTICEANDTHEORY oct．．2012 |’-，，’·’-·’-l，、 ；工；工 程i程i 、lll。I．。。。。t。‘’ 基于支持向量回归机的水文混沌时间序列预测 姜翔程 (河海大学水利经、济研究所，江苏南京211100) 摘要：支持向量机在系统辨识和分类研究方面比较成熟，目前尚没有提出有效的 支持向量回归理论来解决非线性、时交、干扰的复杂问题．支持向量回归机主要用 于因果关系点对的回归预测，把支持向量回归机应用于水文混沌时间序列的预测研 究是一个有意义的工作．在支持向量机一般理论基础上，提出了水文混沌时间序列 支持向量回归机模型，并就模型进行仿真计算，讨论了模型参数对支持向量回归机 预测精度的影响，为模型参数寻优提供一般指导原则．直门达水文站径流量混沌时 间序列支持向量回归机预测实验表明，水文混沌时间序列支持向量回归机模型是有 效的． 关键词： 混沌；水文时间序列；支持向量回归机；预测 1引言 水文时间序列是复杂水文系统的表征，水文过程由于受气象、下垫面和人类活动等因素 的作用，表现出巨大的时空变异性和复杂的演变规律，通过水文时间序列来研究水文动力系 统的演化规律具有重要意义．由于，水文系统仍有许多物理机理有待探索，依靠物理成因的水 文现象确定性研究受到制约，随着以混沌理论为核心的非线性预测技术的发展，基于嵌入定 理和相空间重构理论，人们提出了许多混沌时间序列预测方法[1]．由于水文时间序列是非线 性、时变、干扰的复杂序列，且观测时长有限，因而，一般混沌局域、混沌灰色和混沌神经网 络等模型预测精度不高，泛化能力不够，在实际应用中受到了限制． 二十世纪中后期vapnik【2】提出了统计学习理论，为建立有限样本学习问题提供了一个 Vector 框架，支持向量机(Support 类和预测工具【3】．它以最小结构风险代替了传统的经验风险，通过核函数实现从样本空间到 高维特征空间的非线性映射，求解的是一个二次型寻优问题，从理论上说，得到的将是全局 最优点，解决了一般混沌预测中的局部极小值问题，同时，支持向量机拓扑结构由支持向量决 定，模型具有较好的泛化性能【4】．目前，支持向量分类机的研究比较成熟，支持向量回归机 vector (Support 的还比较少【51． 收稿B期：2012-04—13 资助项目：教育部人文社科规划基金(10YJA790080)；国家社科基金一般项目(11BGL088) 数学的实践与认识 42卷 本文对水文时间序列重构水文系统的相空问，利用“升维”思想并借助于支持向量机方 法，建立水文混沌时间序列支持向量回归机预测模型，通过仿真计算，讨论了惩罚参数、不敏 感损失参数和高斯径向基核参数对模型预测精度的敏感性，直门达水文站径流量混沌时间序 列支持向量回归机预测应用表明，水文混沌时间序列向量回归机模型是有效的． 2水文时间序列的相空间重构 水文动力系统的监测，主要依靠水文测站的观测时间序列资料．在实际水文系统研究中， 有些变量往往很难直接观测，在某些情况下甚至不知道水文系统的独立变量有几个，而实测 水文时间序列包含着非常丰富的信息，它蕴含着参与系统动态变化的全部变量的痕迹．因此， 运用相空间重构技术来重现系统信息，进而对系统的状态变量进行预测研究． 2．1相空间重构 法认为，只需研究一个分量，并将在某些固定时间延迟点上的观测值作为新维来处理，就可以 重构出一个等价的相空间，并在这个相空间中恢复原有动力学系统【8]． 对于给定水文时间序列{zt，t=1，2，…，佗)，如果选择适当的嵌入维数m和延迟时间丁， 可把一维时间序列延拓为m维相空间的一个相型分布 Z n m r