典型文献
基于奇异谱分析与梯度优化算法优化的RVM、SVM月径流预测研究
文献摘要：
基于序列分解—参数优化—分项预测—结果叠加思想,构建奇异谱分析(SSA)-梯度优化(GBO)算法与相关向量机(RVM)、支持向量机(SVM)集成的中长期月径流预测模型.首先采用SSA方法对实例月径流数据进行处理,提取多个独立的子序列;其次介绍GBO算法原理,基于6个典型函数对GBO算法进行仿真测试.利用GBO算法优化RVM核宽度因子和超参数、SVM惩罚因子和核函数参数,分别建立SSA-GBO-RVM、SSA-GBO-SVM模型对各子序列进行预测,叠加后作为最终月径流预测结果;最后以云南省龙潭站65年共780个月月径流预测为例,选取实例前53年作为训练样本,后10年共120个月作预测样本对SSA-GBO-RVM、SSA-GBO-SVM模型进行检验.结果表明:GBO算法在不同维度条件下寻优效果优于MPA、PSO算法,具有较好的寻优精度和全局搜索能力.SSA-GBO-RVM、SSA-GBO-SVM模型对实例120个月月径流预测的平均绝对百分比误差分别为6.20％、7.82％,平均绝对误差分别为0.88、1.00 m3/s,纳什系数分别为0.9926、0.9913,均具有较好的预测精度和较高的可信度.相对而言,SSA-GBO-RVM模型优于SSA-GBO-SVM.
文献关键词：
月径流预测;奇异谱分析;梯度优化算法;相关向量机;支持向量机;仿真测试
中图分类号：
作者姓名：
梁晓鑫;崔东文
作者机构：
云南省水文水资源局文山分局 云南 文山 661100;云南省文山州水务局 云南 文山 663000
文献出处：
引用格式：
[1]梁晓鑫;崔东文-.基于奇异谱分析与梯度优化算法优化的RVM、SVM月径流预测研究)[J].人民珠江,2022(01):111-118
A类：
B类：
奇异谱分析,梯度优化算法,算法优化,RVM,月径流预测,预测研究,序列分解,分项,SSA,GBO,相关向量机,径流预测模型,径流数,流数据,子序列,算法原理,型函数,仿真测试,超参数,惩罚因子,核函数,函数参数,龙潭,训练样本,预测样本,不同维度,优效,MPA,PSO,寻优精度,全局搜索,搜索能力,平均绝对百分比误差,平均绝对误差,纳什系数,可信度,相对而言
AB值：
0.245131
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
