基于PSO-LSSVM的干旱区中长期降水预测模型研究

发布时间：2017-12-21 23:42

  本文关键词：基于PSO-LSSVM的干旱区中长期降水预测模型研究　出处：《长江科学院院报》2016年10期 　论文类型：期刊论文

  更多相关文章： 粒子群算法 最小二乘支持向量机 干旱区 阿勒泰地区 降水预测

【摘要】：降水量的准确预测对于干旱地区的水资源综合利用、抗旱减灾有重要意义。引入基于粒子群算法进行参数寻优的最小二乘支持向量机模型(PSO-LSSVM),构建考虑7a周期的年降水样本及考虑季节性特征的月降水样本,建立干旱区年、月尺度下的中长期降水预测模型,并应用新疆阿勒泰地区1960—2013年实测降水序列,验证模型的适用性。结果表明:基于粒子群算法与最小二乘支持向量机的中长期降水预测模型预测精度高,泛化能力强,能有效地预测新疆阿勒泰地区年、月降水量。该模型为干旱区中长期降水预测提供了一种可靠的研究思路与方法。
【作者单位】： 四川交通职业技术学院建筑工程系;
【分类号】：P338
【正文快照】： 1研究背景降水是区域水循环的重要组成部分,降水量规律及预测研究对于干旱地区水资源的合理开发利用、生态环境的改善和灾害控制具有重要意义[1]。近半个世纪以来,对于干旱区降水规律的研究较多,如于淑秋等[2]对我国西北地区近50a的降水序列研究发现1986年存在明显的降水量跃，

本文编号：1317629