v-支持向量机洪水预报模型研究

摘要

为了提高洪水过程的非线性拟合能力和预报精度,对支持向量机洪水预报模型进行了深入研究.针对鸭绿江流域临江站的实际情况,建立了临江站洪水过程v-SVR预报模型,采用1998～2014年间的大水年份降水资料和洪水过程资料对v-SVR预报模型进行了率定和验证,并与线性动态系统模型、BP人工神经网络模型和ε-SVR模型进行了比较.结果表明:v-SVR洪水预报模型比线性动态系统模型和BP人工神经网络具有较高的精度.v-SVR洪水预报模型具有较好的非线性拟合能力和泛化能力,能很好地控制支持向量个数、降低模型的复杂程度,同时能保持良好的预报精度.