LS-SVM在径流预测中的应用

提出一种基于最小二乘支持向量机(LS-SVM)的径流预测方法。采用线性函数,多项式函数和径向基函数三种核函数,进行机器学习,经过反复计算和对比分析,建立了精度较高的径流预测模型。预测实例表明,LS-SVM模型预测的平均相对误差比支持向量机 (SVM)减少了2.4％,预测合格率为100％。LS-SVM建模速度快,适用于小样本情况并能得到全局最优解,将其用于径流预测是可行的。     

基于SVM的RBF网络在农机总动力预测中的应用

径向基神经网络是一种单隐层的三层前向网络,具有结构简洁、学习速度快等优点。为此,分析了径向基神经网络采用传统聚类方法确定基函数中心存在的问题,提出了一种基于支持向量机聚类确定径向基网络基函数中心的方法。该方法以最大间隔原理和结构风险最小化原则为前提,利用核方法把输入空间的样本映射到高维特征空间完成聚类工作来确定基函数的数量。采用改进的方法训练的径向基神经网络对黑龙江省农机总动力进行非线性时间序列预测,结果表明:改进的网络在确定网络结构、学习速度和提高网络预测精度方面都有较好的效果。     

松花江流域水文干旱联合概率分布特征研究

利用松花江流域水文站1957-2006年的径流量,采用游程理论、Eviews统计软件以及Copula函数对松花江流域水文干旱特征以及水文干旱联合概率分布特征进行了研究。结果表明:Eviews统计软件能够较好地得出时间序列符合的概率密度函数;G-H Copula函数以及Clayton Copula函数能够较好地拟合2个变量(干旱历时、干旱烈度)的独立分布;Copula函数能够考虑水文干旱的极值,对于分析松花江流域水文干旱联合概率分布是适用的。     

基于支持向量机的水稻净光合速率预测模型

利用线性核函数、多项式核函数、径向基核函数和S型核函数,通过粒子群算法优化支持向量机中的惩罚参数c和gamma值,使用主成分分析对影响水稻净光合速率的影响因子进行特征提取,建立水稻净光合速率的支持向量机预测模型。试验结果表明,通过粒子群算法设定惩罚参数c为10,gamma值为0.904,通过训练集的训练,得到P_RBF预测模型,其对水稻净光合速率的预测效果最佳,预测精度达83%以上。     

基于分形插值与支持向量机混合模型的大坝变形分析

大坝变形分析是研究大坝变形规律和保证大坝安全的重要组成部分。基于大坝变形时间序列的分形特征，同时考虑到分形插值在大坝变形时间序列拟合和预测时的分数维特点，以及外延序列越远、预测精度越差的缺点，引入支持向量机算法对分形插值模型进行优化。针对大坝变形时间序列特点，通过优化垂直比例因子和核函数，建立了分形插值和支持向量机混合模型。以某混凝土重力坝引张线8号测点水平位移为例，建立了分形插值和支持向量机混合模型，对变形时间序列进行拟合和预测分析，计算结果表明混合模型具有更高的精度，可以应用于大坝变形分析中。     

核最小均方算法的特征映射和参数选择

核函数定义了输入空间到高维特征空间的映射。运用多项式定理,推导多项式核函数和高斯核函数的特征映射函数,找到无限维向量的定义,比较两种特征映射的关系。结合最小均方算法,分别使用两种核函数解决非线性时间序列中高斯噪声时短期预测问题,比较了两种核函数下的核最小均方算法,分析了两种算法在非线性系统短期预测中的鲁棒性和收敛性能,并进行参数选择,提供了一种易于操作的非线性滤波器设计方法。     

改进鲸鱼算法优化混合核支持向量机在径流预测中的应用

构建基于多项式核与高斯核相融合的混合核支持向量机(MSVM),利用拉普拉斯交叉算子(LX)改进的鲸鱼优化算法(LXWOA)优化MSVM关键参数和混合权重系数,提出LXWOA-MSVM径流预测模型,并构建高斯核LXWOA-GSVM、多项式核LXWOA-PSVM及LXWOA-BP作对比预测模型,以云南省清水江水文站枯水期1-4月月径流预测为例进行实例研究,利用实例前24年和后10年资料对各模型进行训练和预测。结果表明,LXWOA-MSVM模型对实例1-4月月径流预测的平均相对误差绝对值分别为4.09%、3.32%、3.51%和5.64%,预测精度均高于LXWOA-GSVM等3种模型,具有较好的预测精度和泛化能力,可为相关径流预测研究提供参考。     

基于SVM的加工番茄早疫病叶氮素含量光谱反演

采用支持向量机(SVM)模型,对新疆加工番茄早疫病病害植株的叶片氮素含量进行光谱反演。分析不同病害严重度的病叶氮素含量的光谱特征,发现在218~357 nm、384~587 nm、1 033~1 141 nm、1 499~2 500 nm,氮素含量与光谱反射率的相关系数的绝对值大于0.7,在227~353 nm的相关系数大于0.8,表明不同病害严重度的病叶氮素含量与光谱反射率呈强相关。利用K层交叉检验(K-CV)方法验证、优选出SR705、ND705、GMI-2、RI-half、PTEBc等5种光谱指数,作为SVM模型的输入变量;同时,分别建立线性核、多项式核、径向基核和Sigmoid核的SVM模型,通过模型拟合比较,得出最佳模型为径向基核的SVM模型。采用径向基核的SVM模型对病叶氮素含量进行光谱反演,结果表明:径向基核的SVM模型氮素含量反演的真实值与预测值的MSE为0.012 4,相关系数R为85.916%,平均相对误差为0.175,结合多光谱指数的SVM模型提高了加工番茄早疫病病害叶片氮素含量的反演精度。     

叶尔羌河年径流量动态变化趋势分析

建立了叶尔羌河卡群站年径流量的时间序列模型,该模型可用于年径流量预测。根据分析结果,卡群站年径流量具有不显著的递增趋势和明显的周期变化,同时具有一定的随机性。     

基于组合核函数的籼稻重度不宜存检测模型

为给籼稻储存品质的判定提供一种快速无损检测手段,对80份重度不宜存籼稻和80份非重度不宜存籼稻的近红外反射光谱进行了实验研究。根据训练样本非线性可分的特点,选择支持向量机方法建立定性模型。在对不同核函数的特性进行分析和研究的基础上,定义了一种新的核函数——组合核函数。该组合核函数是多项式核函数与径向基核函数的线性组合,将两者各自的特点融合在一起兼具内推和外推性能。实验结果表明,以这两种函数的线性组合作为核函数且调节因子为0.7时,所建立的模型综合性能最好。所建模型的训练集正确识别率为97.21%,测试集正确识别率为93.25%。     

支持向量机-近红外光谱法用于真假奶粉的判别

将基于统计学理论的支持向量机(SVM)与近红外光谱分析技术相结合,对真假奶粉进行分类判别.以50个奶粉样品作为实验材料,通过SVM建立识别真假奶粉的模型.实验中采用高斯径向基函数(RBF)为核函数,根据SVM的不同输入量调整核参数建立最佳SVM模型,对学习机的38个样品识别率可达到100%,对预测集12个奶粉样品预测率可达到100%.实验表明,应用支持向量机-近红外光谱法建立判别真假奶粉的近红外定性分析模型,为真假奶粉的判别提供一个方便快捷的分析方法.     

点源时间序列数据缺失值的估值不确定性分析——以小流域气象和水文数据为例

【目的】对普遍存在的时间序列缺失值进行有效估值,进而改善时间序列数据的质量。【方法】以亚热带典型小流域长期定位观测的气象(最低气温、最高气温、太阳辐射)及水文(降水量、地表径流量)数据为样本并利用计算机模拟的方法,比较了线性内插法、K-最近邻插值法、多项式插值法、样条插值法和核密度估值法5种估值方法的性能差异,分析了不同取样时间步长(日和月)及不同数据缺失量(1%、5%、10%、15%、20%)条件下对缺失值进行估值的不确定性。均方根误差(RMSE)、绝对值平均误差(MAE)和Pearson相关系数(r)3个交叉验证指标用于评估5种估值方法的性能优劣。【结果】①5种方法估值性能较好,Pearson相关系数为0.62～0.99(P<0.05),且以核密度估值法和多项式插值法的估值性能为优;②数据缺失量和取样步长增加降低了5种估值方法的估值精度;③数据集的变异系数(CV)与估值评估指标(RMSE、MAE及r)显著相关(P<0.05)。【结论】核密度估值法和多项式插值法的估值结果相对更可靠,变异系数是影响估值不确定性的重要因素。     

叶尔羌河年径流量动态变化趋势分析

建立了叶尔羌河卡群站年径流量（１９５４～１９９７ 年）的时间序列模型,该模型可用于年径流量预测。根据分析结果,卡群站年径流量具有不显著的递增趋势和明显的周期变化,同时具有一定的随机性     

基于EMD与PSO的Nash NBGM(1,1)耦合模型的年径预测研究

针对径流是典型非平稳序列这一特点及目前存在的径流中长期预测精度低的问题,提出一种新的耦合预测方法——基于经验模态分解(Empirical Mode Decomposition,EMD)与粒子群优化算法(Particle Swarm Optimization,PSO)的非线性灰色Bernoulli耦合模型(Nash Nonlinear Grey Bernoulli Model,Nash NGBM)。首先利用EMD方法对汾河上游上静游、汾河水库、寨上和兰村4个水文站的年径流序列进行平稳化处理,分别得到若干个固有模态函数(Intrinsic Mode Function,IMF),对各阶IMF分别建立基于PSO算法的Nash NGBM(1,1)模型并进行预测,趋势项用多项式拟合并进行预测,然后通过重构各预测值得到汾河上游4个水文站年径流量的预测结果,并与单独运用基于PSO算法Nash NGBM(1,1)模型的预测结果进行比较,对模型作出评价。结果表明,基于EMD与PSO算法的Nash NGBM(1,1)耦合模型的拟合精度在92.5%以上,预测精度均达到了100%,其预测精度比单独运用基于PSO算法Nash NGBM(1,1)模型的预测精度有了明显提高;基于EMD与PSO算法的Nash NGBM(1,1)耦合预测方法的提出为径流中长期预测精度的提高提供了新的思路,对区域水资源的合理配置与优化调度具有重要的理论意义和实际价值。     

RBF网络在西安渭滨地下水位埋深预测中的应用

基于径向基（RBF）神经网络建模,对西安市渭滨地下水水源地的地下水位埋深进行了模拟和预测。将降雨、径流和人工开采量作为输入变量,对研究区域内的潜水和承压水位埋深分别进行预测。1984—2001年的数据用于径向基网络模型训练,2002-2005年的数据用于模型的验证,最后对2006—2023年共18年的地下水位埋深进行预测。结果表明,径向基神经网络模型对20年左右的数据序列有较好的预测效果,且根据降雨、径流和开采量,能较准确的预测地下水位埋深。     

基于神经网络的洮河枯期径流预报模型研究

根据洮河50年(1957～2006年)的径流量、降雨和上游径流量数据,建立了基于反馈神经网络的Elman洮河枯季径流预报模型。利用matlab7提供的神经网络工具箱进行建模训练。仿真结果表明所采用的Elman网络预报模型精度高,为人工神经网络运用到水文预测方面提供了依据。     

低比转数离心泵叶轮内流场的重构及模态分析

针对传统离心泵水力性能优化设计的复杂性,提出了采用本征正交分解与径向基函数(POD-RBF)混合代理模型方法进行离心泵叶轮内流场的重构分析。由三次Bezier曲线对低比转数离心泵二维叶片型线进行参数化控制,通过对叶片包角、进出口安放角等控制参数进行适量的扰动得到叶片型线的样本集。由叶片型线参数及叶轮CFD内流场数据构成样本的快照矢量集,根据几何相似及网格变形方法插值得到各相似节点的流场参数,依据本征正交分解法(POD)将快照集分解为一系列正交基的线性组合。由径向基函数(RBF)拟合目标叶型所对应的正交基系数,实现了对目标叶轮内流场的重构。采用POD-RBF方法对MH48-12.5型低比转数离心泵叶轮内流场进行了重构,其压力预测均方根误差为0.84%,速度预测误差基本在0.5m/s以内,流场预测所需时间约为CFD计算的1/240,并对样本集进行POD基模态分析,得到了各阶基模态流场特征及能量分布特性。     

基于改进多元模糊均生函数的克孜河年径流预测

天然径流的计算是区域水资源评价和水利水电工程设计的基础.本文采用改进多元模糊均生函数时间序列模型对新疆克孜河天然径流量进行模拟,结果表明该模型适用于天然径流预测,且可获得较高的预测精度.     

基于RBF神经网络的农田土壤含盐量预测

介绍了径向基函数神经网络的原理、训练算法,并建立了基于径向基函数神经网络的农田土壤含盐量预测模型.通过实例验证,该模型具有较强的非线性处理能力和逼近能力,运算速度快,性能稳定,预测精度较高,泛化能力强,可用于生产实践中.     

基于小波-BP神经网络的贝叶斯概率组合预测模型及其应用

采用一元线性回归模型模拟贝叶斯分析的先验分布和似然函数,建立了基于小波-BP神经网络的贝叶斯概率组合预测模型,在结合区域的水文特性对数据进行预处理的基础上,将其应用于老挝Namngum水库的月径流量预测中,结果表明,该方法较单一BP神经网络模型和小波-BP神经网络模型而言,有效的提高了月径流量的预测精度;同时相对于确定性水文预报方法而言,基于小波-BP神经网络的贝叶斯概率组合预测模型定量地、以分布函数形式描述水文预报的不确定度,能向用户提供更多、更全面的信息,为决策提供更有价值的技术支持。