岩溶水系统支持向量机泉流量预报模型研究

详细信息   全文下载|推荐本文 |

• 出版年：2007
• 作者：杨军耀；赵涛
• 单位1：太原理工大学水利科学与工程学院
• 出生年：1961
• 学历：硕士
• 职称：副教授
• 语种：中文
• 作者关键词：支持向量机；神经网络；时间序列；泉流量预报模型
• 起始页：29
• 总页数：5
• 刊名：工程勘察
• 是否内版：否
• 刊频：月刊
• 创刊时间：1973
• 主办单位：中国建筑学会工程勘察分会；建设部综合勘察研究设计院
• 主编：武威
• 地址：北京东直门内大街117号
• 邮编：100007
• 电子信箱：Email:gckczz@cigin.com.cn（测量）；newsroom@geot.com.cn（岩土）；wfsun@geot.com.cn（水文）
• 期：12
• 期刊索取号：P471.06107
• 核心期刊：中文核心期刊

摘要

针对岩溶系统结构不甚清晰、基础资料不完备条件下泉水流量预报问题，引入了能较好地解决小样本、非线性、高维数和局部极小点等问题的支持向量机(SupportVectorMachines，SVM)方法，将泉流量影响因子时间序列与支持向量机方法有机结合，建立了岩溶水系统支持向量机泉流量预报模型，并与BP神经网络模型进行了实例比较。结果表明，SVM模型具有泛化能力强、预报精度高的特点，可很好地克服神经网络的过学习问题，同时，针对SVM模型“峰值”预报精度差的缺点，提出了“峰值”预报解决方案。