支持向量机方法在感潮河段洪峰水位预报中的应用.pdfVIP

摘要 感潮河段水位系列在时序上具有相依性、突变性和随机性等复杂非线性特征， 由于洪潮相互作用机理复杂，人们对其认识存在局限性，水位预报一直十分复杂 和困难。 支持向量机(SVM)是20世纪90年代提出的一种处理非线性分类和非线性回归 的新的通用学习方法，近年来倍受瞩目，它是建立在Vapnik等人提出的统计学理 论的Vc维理论和结构风险最小原理基础上的，旨在改善传统的神经网络方法的 理论弱点，能较好地解决样本空间中的高度非线性分类和回归等问题，已成功的 应用于分类、函数逼近和时间序列预测等方面。 本文分析了目前感潮河段洪水预报的研究进展以及支持向量机方法的应用 现状，探讨了将SVM应用于感潮河段洪水预报的可行性，概括了SVM方法以及 LIBSVM模型软件的原理。在分析浦阳江感潮河段洪水成因及影响因素的基础上， 构建预报因子和样本数据集，通过初步试验选择径向基函数作为核函数，并采用 交叉检验和网格搜索的方法进行模型参数的优选，通过对样本集的训练学习构建 湄池站洪峰水位SVM预测模型。 关键词：支持向量机；非线性回归；感潮河段；水位预报 IV Abstract Waterlevelseriesintidaldversshowthe non-linearcharacteristiesof complex and to random．Duethe interactionmechanism dependency，mutation complex betweenthefloodandthe isalimitedawarenessaboutitfor tide，there people，SO levelin water tidalrivershasbeen anddifficult． forecasting verycomplex vector anewuniversal methodfrom Support machine(SVM)islearning the 1990sbasedontheVCdimensionandstructuralriskminimization theory principle advanced and it made is todealwithnonlinearclassification Vapnikothers，and by andnonlinear andto theweaknessesoftraditional regressionproblemsimprove neuralnetwork workswellin the nonlinearclassification theory．SVM solvinghi曲ly and ofthe hasbeen usedin regressionproblemssamplespace，and successfully andtimeseries andSOon． classification，fu