基于最小二乘支持向量机的时空序列混合预测模型及实证研究
发布时间：2021-11-12 00:49
高精度的时空序列预测是揭示区域变量空间连续分布随时间的动态变化规律及其时空演化的重要保证。有效的预测技术是提高研究区域变量预测精度的关键。时空序列预测是时空数据挖掘的重要内容,但随着时空数据集体积的不断增大,传统的时间序列预测模型对不同序列间复杂的时空影响、自身非线性、参数估计对数学模型的考虑不足,很大程度上影响了预测精度。混合预测建模能够克服单一预测模型对时空序列特征考虑的不足。混合预测建模是将不同的模型不同的理论融合,建立仅有一个最终预测值的模型。混合预测模型可以多角度、多方面考虑变量自身特点,并通过协同运转来提高预测精度。融合神经网络、机器学习以及时间序列分析建立混合预测模型是目前提高预测精度的重要研究方法。最小二乘支持向量机有强大的拟合非线性复杂性问题能力,已被广泛应用于复杂的工程领域。由于区域变量在不同的空间点收集的数据有很大的波动,仅使用最小二乘支持向量一种训练模式,不能很好地发挥其自身的非线性特征。由于时空数据集序列繁多,传统的时间序列方法仅能对一条或几条序列进行建模预测,难以满足时空序列建模的要求。基于物以类聚思想和地理学第一定律,对时空数据集进行聚类,将每一类时空序列...
【文章来源】：兰州交通大学甘肃省
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
二维阵列SOM网络结构模型
第三章 研究区及数据介绍3.1 研究区介绍本文选取西北地区民勤绿洲作为研究区，民勤绿洲隶属石羊河流域,地处西北内陆干旱区，位于河西走廊东部石羊河下游，除西南一角与金昌、凉州区相接外，其余均被腾格里和巴丹吉林沙漠包围，是一个半封闭的内陆荒漠区，在阻碍两大沙漠汇合中起着极其重要的作用[43]。地理位置为东经101 4 9 41 104 1 2 1 0 、北纬38 3 4 5 39 2 7 37 之间（图 3.1 甘肃省行政区域图），该地区由于水资源的短缺，是最早开发利用地下水的地区之一。多年来，随着社会经济的发展，对水资源需求的大幅增加，由于多种因素人们不得不通过过量开采地下水来维持生产与生活[44]。过度的开发利用，使得地下水文系统自身补给难以平衡，致使地下水矿化度多年来持续增高，出现植物干枯、土壤环境恶化等一系列生态环境问题。地下水用于灌溉是绿洲地区重要灌溉方式，而高矿化度的地下水用于灌溉，会使土壤中因灌溉而滞留的盐分不断增加，土壤盐碱化严重，这不仅严重影响了民勤绿洲社会经济的发展，也危及到绿洲本身的生存[45]。
兰州交通大学硕士学位论文- 25 -图 3.2 武威市行政区域图3.2 研究区地下水埋深分析图 3.3 1998 年地下水埋深空间分布 图 3.4 2013 年地下水埋深空间分布为了更直观地表述研究区绿洲地下水埋深十几年的空间分布变化情况，本文收集到了研究区 88 个地下水埋深监测站点，从 1998 年至 2013 年月度数据，并且分别应用 1998
【参考文献】：
期刊论文
[1]基于GM（1,1）-PCA的环境预测与分析研究[J]. 贺金龙,吴晟,周海河,李英娜,吴兴蛟,李天龙,马颢瑄. 信息技术. 2018(01)
[2]基于Holt-Winters与最小二乘支持向量机的混合预测模型[J]. 刘宝成,张仲荣,盛秀梅,程丽娟. 洛阳理工学院学报(自然科学版). 2017(04)
[3]基于时空序列模型的RBF神经网络在河流水位预测中的应用[J]. 李欣,王超,赵虎川. 城市勘测. 2016(05)
[4]几种智能算法与支持向量机融合模型在中长期月径流预测中的应用[J]. 崔东文. 华北水利水电大学学报(自然科学版). 2016(05)
[5]新型灰狼优化算法在函数优化中的应用[J]. 罗佳,唐斌. 兰州理工大学学报. 2016(03)
[6]箱形图在长江流域棉区棉花含杂率异常值检验中的应用[J]. 李梦辉,桑小田,田振川,申献夫. 湖北农业科学. 2016(11)
[7]不同地下水矿化度条件下柽柳土柱的水盐分布特征[J]. 宋战超,夏江宝,赵西梅,张国典,李常准,毕玉青. 中国水土保持科学. 2016(02)
[8]基于隐马尔科夫模型的时空序列预测方法[J]. 柳姣姣,禹素萍,吴波,姜华,何风行,李凤荣. 微型机与应用. 2016(01)
[9]融合空间尺度特征的时空序列预测建模方法[J]. 邓敏,陈倜,杨文涛. 武汉大学学报(信息科学版). 2015(12)
[10]地理学时空数据分析方法[J]. 王劲峰,葛咏,李连发,孟斌,武继磊,柏延臣,杜世宏,廖一兰,胡茂桂,徐成东. 地理学报. 2014(09)
博士论文
[1]基于混合模型的地下水埋深时空预测方法研究[D]. 张仲荣.兰州交通大学 2017
[2]玛纳斯河流域水资源可持续利用研究[D]. 魏玲玲.石河子大学 2014
本文编号：3489871
【文章来源】：兰州交通大学甘肃省
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
二维阵列SOM网络结构模型
第三章 研究区及数据介绍3.1 研究区介绍本文选取西北地区民勤绿洲作为研究区，民勤绿洲隶属石羊河流域,地处西北内陆干旱区，位于河西走廊东部石羊河下游，除西南一角与金昌、凉州区相接外，其余均被腾格里和巴丹吉林沙漠包围，是一个半封闭的内陆荒漠区，在阻碍两大沙漠汇合中起着极其重要的作用[43]。地理位置为东经101 4 9 41 104 1 2 1 0 、北纬38 3 4 5 39 2 7 37 之间（图 3.1 甘肃省行政区域图），该地区由于水资源的短缺，是最早开发利用地下水的地区之一。多年来，随着社会经济的发展，对水资源需求的大幅增加，由于多种因素人们不得不通过过量开采地下水来维持生产与生活[44]。过度的开发利用，使得地下水文系统自身补给难以平衡，致使地下水矿化度多年来持续增高，出现植物干枯、土壤环境恶化等一系列生态环境问题。地下水用于灌溉是绿洲地区重要灌溉方式，而高矿化度的地下水用于灌溉，会使土壤中因灌溉而滞留的盐分不断增加，土壤盐碱化严重，这不仅严重影响了民勤绿洲社会经济的发展，也危及到绿洲本身的生存[45]。
兰州交通大学硕士学位论文- 25 -图 3.2 武威市行政区域图3.2 研究区地下水埋深分析图 3.3 1998 年地下水埋深空间分布 图 3.4 2013 年地下水埋深空间分布为了更直观地表述研究区绿洲地下水埋深十几年的空间分布变化情况，本文收集到了研究区 88 个地下水埋深监测站点，从 1998 年至 2013 年月度数据，并且分别应用 1998
【参考文献】：
期刊论文
[1]基于GM（1,1）-PCA的环境预测与分析研究[J]. 贺金龙,吴晟,周海河,李英娜,吴兴蛟,李天龙,马颢瑄. 信息技术. 2018(01)
[2]基于Holt-Winters与最小二乘支持向量机的混合预测模型[J]. 刘宝成,张仲荣,盛秀梅,程丽娟. 洛阳理工学院学报(自然科学版). 2017(04)
[3]基于时空序列模型的RBF神经网络在河流水位预测中的应用[J]. 李欣,王超,赵虎川. 城市勘测. 2016(05)
[4]几种智能算法与支持向量机融合模型在中长期月径流预测中的应用[J]. 崔东文. 华北水利水电大学学报(自然科学版). 2016(05)
[5]新型灰狼优化算法在函数优化中的应用[J]. 罗佳,唐斌. 兰州理工大学学报. 2016(03)
[6]箱形图在长江流域棉区棉花含杂率异常值检验中的应用[J]. 李梦辉,桑小田,田振川,申献夫. 湖北农业科学. 2016(11)
[7]不同地下水矿化度条件下柽柳土柱的水盐分布特征[J]. 宋战超,夏江宝,赵西梅,张国典,李常准,毕玉青. 中国水土保持科学. 2016(02)
[8]基于隐马尔科夫模型的时空序列预测方法[J]. 柳姣姣,禹素萍,吴波,姜华,何风行,李凤荣. 微型机与应用. 2016(01)
[9]融合空间尺度特征的时空序列预测建模方法[J]. 邓敏,陈倜,杨文涛. 武汉大学学报(信息科学版). 2015(12)
[10]地理学时空数据分析方法[J]. 王劲峰,葛咏,李连发,孟斌,武继磊,柏延臣,杜世宏,廖一兰,胡茂桂,徐成东. 地理学报. 2014(09)
博士论文
[1]基于混合模型的地下水埋深时空预测方法研究[D]. 张仲荣.兰州交通大学 2017
[2]玛纳斯河流域水资源可持续利用研究[D]. 魏玲玲.石河子大学 2014
本文编号：3489871
本文链接：https://www.wllwen.com/kejilunwen/diqiudizhi/3489871.html
