典型文献
基于改进PSO-SVR模型的港口潮汐预报算法
文献摘要：
基于调和分析的传统潮汐预测方法仅考虑了引潮力引起的线性因素,忽略了风力、气压等非线性因素的影响,因此存在预测精度不高的问题.为了解决上述问题,本文提出一种粒子群算法(Particle Swarm Optimization,PSO)优化支持向量回归(Support Vector Regression,SVR)模型的港 口潮汐预报算法.首先,采用SVR对港口潮汐水位变化进行建模,针对SVR核参数和惩罚因子设置难题,利用PSO算法进行全局寻优,自动确定SVR最优参数组合;其次,为了解决PSO算法易早熟,迭代后期计算效率下降的问题,在PSO算法中加入变异因子,提升算法效率;最后,利用伊莎贝尔(Isabel)港口潮汐数据进行仿真验证.结果表明,相较于单一调和分析模型和SVR模型,该方法的预测性能和鲁棒性均更高,具有良好的应用前景.
文献关键词：
潮汐预测;支持向量回归;粒子群算法;模型优化
中图分类号：
作者姓名：
刘延
作者机构：
广州南方卫星导航仪器有限公司,广东广州510000
文献出处：
引用格式：
[1]刘延-.基于改进PSO-SVR模型的港口潮汐预报算法)[J].测绘技术装备,2022(03):56-61
A类：
B类：
PSO,SVR,港口,潮汐预报,调和分析,潮汐预测,引潮力,风力,非线性因素,粒子群算法,Particle,Swarm,Optimization,支持向量回归,Support,Vector,Regression,潮汐水位,水位变化,核参数,惩罚因子,全局寻优,最优参数,数组,早熟,计算效率,变异因子,算法效率,伊莎贝尔,Isabel,仿真验证,预测性能,模型优化
AB值：
0.440439
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。
