幾種智能算法與支持向量機融合模型在中長期月徑流預測中的應用

崔東文

(云南省文山州水務局,云南 文山 663000)

?

幾種智能算法與支持向量機融合模型在中長期月徑流預測中的應用

崔東文

(云南省文山州水務局,云南 文山 663000)

通過5個典型測試函數對灰狼優化(GWO)算法、文化算法(CA)、SCE-UA算法和花授粉算法(FPA)進行仿真驗證及對比分析。針對支持向量機(SVM)學習參數難以確定的不足,利用上述4種智能算法搜尋SVM的最佳學習參數,提出GWO算法、CA、SCE-UA算法和FPA與SVM相融合的預測模型,并以云南省革雷水文站的中長期月平均流量預報為例進行了實例研究。結果表明:①4種算法的性能各有優劣,均具有較好的收斂速度和全局尋優能力。相對而言,GWO算法、FPA優于SCE-UA算法,SCE-UA算法優于CA。②GWO-SVM、CA-SVM、SCE-UA-SVM及PFA-SVM模型對革雷水文站2001—2005年的月平均流量預測的平均相對誤差絕對值分別為2.47%、2.81%、2.67%和2.46%,均具有較好的預測效果。

徑流預測;灰狼優化算法;文化算法;SCE-UA算法;花授粉算法;支持向量機;參數優化;函數優化

提高中長期水文預測預報精度對于實行最嚴格水資源管理制度、開展水源中長期規劃以及為各級政府提供防汛抗旱決策依據具有十分重要的意義。傳統成因分析、數理統計等方法往往難以達到理想的預測效果。目前,一些新型方法廣泛應用于水文中長期預測預報,并獲得了比傳統方法更好的預測精度和效果。這些方法主要包括:灰色系統分析法、人工神經網絡法、小波分析法、投影尋蹤法、模糊分析法、混沌分析法、集對分析法、支持向量機法、組合預測法等。其中,支持向量機(Support Vector Machines,SVM)由于其具有全局理論最優、克服維數災、小樣本優勢等特點,被廣泛應用于中長期水文預測預報中[1-2]。……