基于粒子群的支持向量机SVR冰情预报研究

作者：薛小辉; 王富强; 周翔南

来源：安徽农业科学, 2012, (23): 11765-11768.

DOI：10.13989/j.cnki.0517-6611.2012.23.014

• 粒子群算法
• 支持向量机
• SVR
• 冰情预报 Particle swarm algorithm
• Support vector machine
• SVR
• Ice regime forecast

[目的]研究基于粒子群算法优化支持向量机SVR的黄河宁蒙段封河、开河日期预报模型。[方法]采用相关分析和成因分析相结合的方法选取合适的冰情预报因子组合,并运用粒子群算优化方法确定最优参数构建预报模型,将其运用到黄河宁蒙段封开河日期预报中。[结果]该模型预报精度高、运行时间短,预报平均误差为3.51 d,平均运行时间为10.464 s,预报效果明显优于遗传算法优化的支持向量回归与反向传播式神经网络,能够较准确地对封开河日期做出预报。[结论]基于粒子群算法优化支持向量回归的方法可以用于冰情预报。

• 出版日期2012
• 单位华北水利水电大学