支持向量机在中长期径流预报中的应用 Application of support vector machine method to long-term runoff forecast.pdfVIP

水 利 学 报 2006年6月 SHUIUXUEBA0 第37卷第6期 文章编号：0559—9350(2006)06_0681．06 支持向量机在中长期径流预报中的应用 林剑艺，程春田 (大连理工大学土木永荦j学院，辽宁大连116024) 摘要：本文探索了支持向量机在中长期径流预报中的应用。在支持向量机建模过程中引入了径向基核函数，简化 了非线性问题的求解过程，并应用scBuA算法辨识支持向量机的参数。在scE．uA搜索过程中进行了指数变换， 以快速准确的找到最优参数。与人工神经网络模型预报结果比较显示，该模型能提高径流中长期预报的精度。 美键词：径流中长期预报；ScE．uA；参数辨识；支持向量机；人工神经网络 中圈分类号：P338 文献标识码：A 中长期水文预报由于具有较长的预见期，使人们在解决防洪与抗旱、蓄水及弃水以及各部门用水之 间矛盾时，能够及早采取措施进行统筹安排，以便获取最大效益。传统的预报方法主要有成因分析和水 文统计方法w，水文统计法通过对水文资辑的统计分析进行概率预测，它包括两大类，一类是分析水文 要素自身随时间变化的统计规律，并以此预测，如历史演变法、时间序列分析法等；另一类是用多元线性 回归法或逐步线性回归法，建立预报方案进行预报。目前应用较广的主要是多元回归和时间序列两种。 预报中得到广泛应用，90年代以来，人工神经网络(ANN严14在水文预报中的应用逐渐增多。支持向量 vector 机(suppon iskmini商zation 经网络学习方法不同，实现了结构风险最小化原理(stmclural 小化经验风险与vc维的界，这就取得对未来样本有较好的泛化性能”J。支持向量机在水文中的应用 中。 然而，支持向量机在应用上仍存在一些困难，主要有：(1)计算时问与样本数量有很大关系，汁算量 是样本数量的二到三次方。针对这一问题，计算量大主要与svM内部二次优化问题的二次规划算法 (qIladl8ticpmgmmlllingQP)”’“有关，对此国内外已提出一些改进算法，其中最著名的是序列最小优化法 IIIjnimal (seque州al 数c、￡和核函数相关参数的辨识。该问题是现在支持向量机应用研究的热点，主要方法有逐步搜索 法”“、遗传算法“31“’、scE算法”。和模拟退火算法“…。结合中长期预报应用中的特点，本文主要探索 of 提出进一步的改进，通过一定的指数变换将scE．uA算法(shumedcomplexEvoludon—universityAdzona) 用于svM的参数辨识问题，将优化后的模型用于径流中长期预报中。 收稿日期：删．∞．12 基金项目：国家自然科学基金资助项目 作者简介：林剑艺(1978一)，男，福建安溪人，博士生，主要研究方向为现代智能算法在水利水电工程领域的应用。 muteducn E一眦-l：j弭in@studem 681 万方数据 1 vectormachinesfor 回归支持向量机㈨91(support regression，sVR) 已知一个训练集 x={(*l，y1)，(x2，y2)，…，(约，y1)}[R“×R (1) 首先用一个非线性映射≯把数据映射到一个高维特征空间，然后在高维特征空间中进行线性回 归，设回归函数为 ∞，*∈R：6∈R