基于PCA特征提取的SVR地下水位动态预测方法

详细信息   

• 责任者：刘成忠^c甘肃农业大学^d1969^e博士研究生^f副教授 ; 黄高宝^c甘肃省干旱生境作物学重点实验室 ; 韩建民
• 刊名：工程勘察
• 出版年：2011
• 卷期：39^b3总260
• 关键词：地下水位 ; 地下水动态20^a主成分分析 ; 支持向量机 ; 预测
• 页码：36～39
• 索书号：P471.06/107
• 图表：^c表4参18
• 分类号：1500
• 文摘期号：2011/09

摘要

提出了一种基于PCA特征提取的SVR地下水位动态预测方法。PCA用来对地下水位样本值进行相关性分析和特征提取，将得到的最佳特征向量子集输入SVR模型，并通过网格搜索的方法进行SVR参数寻优，进行地下水位预测。通过地下水位的实例分析和UCI标准数据集对模型的有效性进行验证，结果表明该方法不仅降低了预测所需的计算工作量，同时还能提高地下水位的预测精度。