支持向量机在湄池站洪峰水位预报中的应用.PDFVIP

第28 卷 第1期 海 洋 预 报 Vol.28 ，No. 1 2011 年02 月 MARINE FORECASTS Feb.2011 支持向量机在湄池站洪峰水位预报中的应用 1.2 2 2 刘艳伟 ，闵惠学 ，郦 英 （1.浙江大学，浙江杭州310058 ；2.浙江省水文局，浙江杭州310009） 摘 要：支持向量机（SVM, Support Vector Machines）是在统计学习理论中发展起来的一种处理非 线性分类和非线性回归的有效方法。感潮河段洪水位是复杂的洪、潮非线性组合问题，本文尝试 将SVM 方法应用于感潮河段湄池站洪峰水位预报，通过选取湄池站历史洪水中分别反映上游来 水和下游顶托作用的预报因子，建立湄池站洪峰水位的SVM 回归模型，获得了较好预报效果。 关键词：支持向量机；非线性回归；感潮河段；水位预报 中图分类号：P731 文献标识码：A 文章编号：1003-0239 （2011 ）01-0072-05 河段湄池站的洪峰水位预测，通过选取湄池站分 1 引言 别反映上游来水和下游顶托作用的预报因子，利 用历史洪水样本资料构造湄池站洪峰水位的SVM 感潮河段的洪水过程受上游径流和下游潮汐 回归预报模型，预测湄池站洪峰水位，预报精度 双重影响，进行准确的水位预报十分困难。由于 优良。 洪潮相互作用机理复杂，人们对其认识尚有局 限，还不能进行有效的数学模型描述。基于统计 [8] 2 SVM 回归算法原理 理论的回归分析方法由于对断面资料要求不高， 不需考虑河段洪水过程的物理意义，简单实用， SVM 解决非线性回归问题的基本思路是基于 目前在感潮河段洪峰水位预报中应用较为广泛。 [9] Mercer 核展开定理 ，通过非线性变换Φ，将样本 但是感潮河段水位系列在时序上具有相依性、突 空间映射到一个高维乃至无穷维的线性特征空间 [1] 变性和随机性等复杂非线性特征 ，而目前大多数 （Hilbert 空间），在高维特征空间通过一个线性超 回归分析方法是建立在线性相关基础上的（如近年 平面实现线性回归，使在特征空间中可以应用线 [2~3] 来使用较多的多元逐步回归方法） ，用于处理此 性学习的方法解决样本空间中的高度非线性分类 类复杂的非线性问题时具有较大的局限性。 和回归等问题。 支持向量机（SVM, Support Vector Machines）是 假设给定的样本数据集为： 20 世纪90 年代提出的一种处理非线性分类和非线