期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于数据分解与超参数优化的若干变体支持向量机月降水量预测
1
作者 周正道 黄斌 《节水灌溉》 北大核心 2025年第9期36-43,共8页
为提高月降水量时间序列预测精度,改进混合核相关向量机(HRVM)、混合核最小二乘支持向量机(HLSSVM)、混合核支持向量机(HSVM)、相关向量机(RVM)、最小二乘支持向量机(LSSVM)、支持向量机(SVM)泛化性能,基于1~3层小波包分解(WPT1~3)方法... 为提高月降水量时间序列预测精度,改进混合核相关向量机(HRVM)、混合核最小二乘支持向量机(HLSSVM)、混合核支持向量机(HSVM)、相关向量机(RVM)、最小二乘支持向量机(LSSVM)、支持向量机(SVM)泛化性能,基于1~3层小波包分解(WPT1~3)方法和麋鹿优化(EHO)算法,提出WPT1/WPT2/WPT3-EHO-HRVM/HLSSVM/HSVM/RVM/LSSVM/SVM月降水量时间序列预测模型,通过云南省大理州2个雨量站月降水量预测实例对18种模型进行验证。首先利用WPT1/WPT2/WPT3对实例月降水量时序数据进行分解处理,划分训练集和验证集;然后基于训练集构建HRVM/HLSSVM/HSVM/RVM/LSSVM/SVM超参数优化适应度函数,利用EHO优化适应度函数获得最优超参数;最后利用最优超参数建立WPT1/WPT2/WPT3-EHO-HRVM/HLSSVM/HSVM/RVM/LSSVM/SVM模型对实例各分量进行预测和重构。结果表明:①18种模型对月降水量均具有较好拟合、预测精度。其中WPT3-EHO-HRVM/HLSSVM/HSVM模型预测的平均绝对误差(MAE)、决定系数(R2)1.70~0.81 mm、0.9996~0.9999,优于其他对比模型,具有最小的预测误差;WPT2-EHO-HRVM/HLSSVM/HSVM模型预测效果较好,精度较高;WPT1-EHO-HRVM/HLSSVM/HSVM模型预测误差相对较大。②在相同分解层数和EHO优化情形下,通过线性组合不同核函数的EHOHRVM/HLSSVM/HSVM模型能更好地适应不同类型的数据分布,显著提升月降水量预测精度。③WPT3分解效果优于WPT2,远优于WPT1,月降水量预测精度随着WPT分解层数的增加而提高。④通过EHO优化HRVM/HLSSVM/HSVM/RVM/LSSVM/SVM超参数,能有效提升模型预测精度和预测效率。 展开更多
关键词 月降水量预测 小波包分解 麋鹿优化算法 混合核函数 支持向量机及其变体 超参数优化
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部