雙子支持向量機模型改進及其在徑流預(yù)報中的應(yīng)用
發(fā)布時間：2020-12-20 20:21
準確的徑流預(yù)報在水資源管理中起著重要的作用。然而徑流序列受到氣象、地理條件、人類活動等眾多因子的影響呈現(xiàn)出高信噪比、非線性、隨機性等特征,傳統(tǒng)的單一模型難以提高徑流的預(yù)報精度。為此,本文研究了基于小波分析理論結(jié)合雙子支持向量機模型（Twin Squares Support Vector Machines,TSVM）以及利用人工魚群算法對TSVM參數(shù)尋優(yōu)的組合預(yù)報方法。通過MATLAB語言編程建立預(yù)報模型,并采用基于混合核函數(shù)的雙子支持向量機實現(xiàn)了月徑流預(yù)報。本文的研究內(nèi)容主要包括以下幾個方面:（1）論述了預(yù)報相關(guān)的知識和概念。首先介紹了小波的定義,重點論述了離散小波變換以及Mallat快速算法,對處理高信噪比的徑流數(shù)據(jù)提出理論參考依據(jù);另外較為全面地介紹了VC維理論、結(jié)構(gòu)風(fēng)險最小化及支持向量機理論的提出。（2）研究了傳統(tǒng)的雙子支持向量機模型。首先對雙子支持向量機理論及其基本核函數(shù)進行探討與分析,并通過仿真實驗證明了常用的徑向基函數(shù)和多項式函數(shù)存在的不足。本文對這兩個函數(shù)線性疊加構(gòu)造混合核函數(shù),并將權(quán)值設(shè)置成不同值進行性能比較。結(jié)果表明,改進后的混合核函數(shù)比常用的核函數(shù)在預(yù)測方面具有較強...
【文章來源】：南昌工程學(xué)院江西省
【文章頁數(shù)】：59 頁
【學(xué)位級別】：碩士
【部分圖文】：
技術(shù)路線圖
圖 2.1 時間序列的 DWT 分解Fig 2.1 DWT decomposition of time series} k Z 與{ }k k Zg 分別為低通和高通濾波器，令 { }jk k Zc c ，-1 { j jk c c 1}k Z ，則j-1c 和j-1d 分別可看做近似信號和細節(jié)信號。Mallat 算法將j-1，同理可求出其他分辨率上的系數(shù)：1 1, 1, 1,( ) ( ) ( ) ( )j j jj k j k k j k k j kk k kf t c t c t d t (a)小波分解
的主要趨勢（近似值），另一部分包含了原序列的細節(jié)部分，如圖 2.1 所示圖 2.1 時間序列的 DWT 分解Fig 2.1 DWT decomposition of time series設(shè){ }k k Zh 與{ }k k Zg 分別為低通和高通濾波器，令 { }jk k Zc c ，-1 1{ }j jk kc c 1 1{ }jk k Zd ，則j-1c 和j-1d 分別可看做近似信號和細節(jié)信號。Mallat 算法將jf j-1f 和j-1d，同理可求出其他分辨率上的系數(shù)：1 1, 1, 1,( ) ( ) ( ) ( )j j jj k j k k j k k j kk k kf t c t c t d t (
【參考文獻】：
期刊論文
[1]正弦選擇概率模型的全局最優(yōu)引導(dǎo)人工蜂群算法[J]. 孫輝,謝海華,趙嘉. 南昌工程學(xué)院學(xué)報. 2018(06)
[2]改進螢火蟲優(yōu)化的軟子空間聚類算法[J]. 張曦,趙嘉,李沛武,王家園,謝智峰. 南昌工程學(xué)院學(xué)報. 2018(04)
[3]基于IQPSO優(yōu)化SVM在徑流預(yù)報中的應(yīng)用[J]. 李文敬,李沛武. 南昌工程學(xué)院學(xué)報. 2018(03)
[4]加權(quán)中心人工蜂群算法[J]. 孫輝,謝海華,趙嘉,鄧志誠. 控制與決策. 2019(10)
[5]基于Elman神經(jīng)網(wǎng)絡(luò)的錦屏一級水電站年平均徑流量集合預(yù)報研究[J]. 賀志堯,楊明祥,李臣明,王浩,雷曉輝. 水電能源科學(xué). 2017(10)
[6]基于小波支持向量機的徑流預(yù)測性能優(yōu)化分析[J]. 周婷,金菊良,李榮波,紀昌明,李繼清. 水力發(fā)電學(xué)報. 2017(10)
[7]融合大氣環(huán)流異常因子的徑流預(yù)報研究[J]. 孟二浩,黃生志,黃強,劉登峰,白濤. 水力發(fā)電學(xué)報. 2017(08)
[8]基于小波分析-穩(wěn)健估計的徑流預(yù)報模型及應(yīng)用[J]. 紀昌明,張培,吳月秋,張驗科,李榮波. 水力發(fā)電學(xué)報. 2017(06)
[9]基于最優(yōu)ABC-SVM算法的P2P流量識別[J]. 王春枝,杜遠麗,葉志偉. 計算機應(yīng)用研究. 2018(02)
[10]水文過程非平穩(wěn)性研究若干問題探討[J]. 桑燕芳,謝平,顧海挺,李鑫鑫. 科學(xué)通報. 2017(04)
碩士論文
[1]基于互信息的改進RBF神經(jīng)網(wǎng)絡(luò)模型及其在短期徑流預(yù)報中的應(yīng)用[D]. 劉蕊鑫.華北電力大學(xué)(北京) 2016
[2]基于EEMD-ANN模型的三峽水庫中長期徑流預(yù)報研究[D]. 姜璇.天津大學(xué) 2016
[3]SVM核參數(shù)優(yōu)化研究與應(yīng)用[D]. 楊海.浙江大學(xué) 2014
[4]汾河上游徑流時間序列成分分析和特性研究[D]. 李鵬.太原理工大學(xué) 2012
本文編號：2928491
【文章來源】：南昌工程學(xué)院江西省
【文章頁數(shù)】：59 頁
【學(xué)位級別】：碩士
【部分圖文】：
技術(shù)路線圖
圖 2.1 時間序列的 DWT 分解Fig 2.1 DWT decomposition of time series} k Z 與{ }k k Zg 分別為低通和高通濾波器，令 { }jk k Zc c ，-1 { j jk c c 1}k Z ，則j-1c 和j-1d 分別可看做近似信號和細節(jié)信號。Mallat 算法將j-1，同理可求出其他分辨率上的系數(shù)：1 1, 1, 1,( ) ( ) ( ) ( )j j jj k j k k j k k j kk k kf t c t c t d t (a)小波分解
的主要趨勢（近似值），另一部分包含了原序列的細節(jié)部分，如圖 2.1 所示圖 2.1 時間序列的 DWT 分解Fig 2.1 DWT decomposition of time series設(shè){ }k k Zh 與{ }k k Zg 分別為低通和高通濾波器，令 { }jk k Zc c ，-1 1{ }j jk kc c 1 1{ }jk k Zd ，則j-1c 和j-1d 分別可看做近似信號和細節(jié)信號。Mallat 算法將jf j-1f 和j-1d，同理可求出其他分辨率上的系數(shù)：1 1, 1, 1,( ) ( ) ( ) ( )j j jj k j k k j k k j kk k kf t c t c t d t (
【參考文獻】：
期刊論文
[1]正弦選擇概率模型的全局最優(yōu)引導(dǎo)人工蜂群算法[J]. 孫輝,謝海華,趙嘉. 南昌工程學(xué)院學(xué)報. 2018(06)
[2]改進螢火蟲優(yōu)化的軟子空間聚類算法[J]. 張曦,趙嘉,李沛武,王家園,謝智峰. 南昌工程學(xué)院學(xué)報. 2018(04)
[3]基于IQPSO優(yōu)化SVM在徑流預(yù)報中的應(yīng)用[J]. 李文敬,李沛武. 南昌工程學(xué)院學(xué)報. 2018(03)
[4]加權(quán)中心人工蜂群算法[J]. 孫輝,謝海華,趙嘉,鄧志誠. 控制與決策. 2019(10)
[5]基于Elman神經(jīng)網(wǎng)絡(luò)的錦屏一級水電站年平均徑流量集合預(yù)報研究[J]. 賀志堯,楊明祥,李臣明,王浩,雷曉輝. 水電能源科學(xué). 2017(10)
[6]基于小波支持向量機的徑流預(yù)測性能優(yōu)化分析[J]. 周婷,金菊良,李榮波,紀昌明,李繼清. 水力發(fā)電學(xué)報. 2017(10)
[7]融合大氣環(huán)流異常因子的徑流預(yù)報研究[J]. 孟二浩,黃生志,黃強,劉登峰,白濤. 水力發(fā)電學(xué)報. 2017(08)
[8]基于小波分析-穩(wěn)健估計的徑流預(yù)報模型及應(yīng)用[J]. 紀昌明,張培,吳月秋,張驗科,李榮波. 水力發(fā)電學(xué)報. 2017(06)
[9]基于最優(yōu)ABC-SVM算法的P2P流量識別[J]. 王春枝,杜遠麗,葉志偉. 計算機應(yīng)用研究. 2018(02)
[10]水文過程非平穩(wěn)性研究若干問題探討[J]. 桑燕芳,謝平,顧海挺,李鑫鑫. 科學(xué)通報. 2017(04)
碩士論文
[1]基于互信息的改進RBF神經(jīng)網(wǎng)絡(luò)模型及其在短期徑流預(yù)報中的應(yīng)用[D]. 劉蕊鑫.華北電力大學(xué)(北京) 2016
[2]基于EEMD-ANN模型的三峽水庫中長期徑流預(yù)報研究[D]. 姜璇.天津大學(xué) 2016
[3]SVM核參數(shù)優(yōu)化研究與應(yīng)用[D]. 楊海.浙江大學(xué) 2014
[4]汾河上游徑流時間序列成分分析和特性研究[D]. 李鵬.太原理工大學(xué) 2012
本文編號：2928491
本文鏈接：http://www.lk138.cn/kejilunwen/shuiwenshuili/2928491.html
最近更新
教材專著
