双子支持向量机模型改进及其在径流预报中的应用
发布时间：2020-12-20 20:21
准确的径流预报在水资源管理中起着重要的作用。然而径流序列受到气象、地理条件、人类活动等众多因子的影响呈现出高信噪比、非线性、随机性等特征,传统的单一模型难以提高径流的预报精度。为此,本文研究了基于小波分析理论结合双子支持向量机模型（Twin Squares Support Vector Machines,TSVM）以及利用人工鱼群算法对TSVM参数寻优的组合预报方法。通过MATLAB语言编程建立预报模型,并采用基于混合核函数的双子支持向量机实现了月径流预报。本文的研究内容主要包括以下几个方面:（1）论述了预报相关的知识和概念。首先介绍了小波的定义,重点论述了离散小波变换以及Mallat快速算法,对处理高信噪比的径流数据提出理论参考依据;另外较为全面地介绍了VC维理论、结构风险最小化及支持向量机理论的提出。（2）研究了传统的双子支持向量机模型。首先对双子支持向量机理论及其基本核函数进行探讨与分析,并通过仿真实验证明了常用的径向基函数和多项式函数存在的不足。本文对这两个函数线性叠加构造混合核函数,并将权值设置成不同值进行性能比较。结果表明,改进后的混合核函数比常用的核函数在预测方面具有较强...
【文章来源】：南昌工程学院江西省
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
技术路线图
图 2.1 时间序列的 DWT 分解Fig 2.1 DWT decomposition of time series} k Z 与{ }k k Zg 分别为低通和高通滤波器，令 { }jk k Zc c ，-1 { j jk c c 1}k Z ，则j-1c 和j-1d 分别可看做近似信号和细节信号。Mallat 算法将j-1，同理可求出其他分辨率上的系数：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
的主要趋势（近似值），另一部分包含了原序列的细节部分，如图 2.1 所示图 2.1 时间序列的 DWT 分解Fig 2.1 DWT decomposition of time series设{ }k k Zh 与{ }k k Zg 分别为低通和高通滤波器，令 { }jk k Zc c ，-1 1{ }j jk kc c 1 1{ }jk k Zd ，则j-1c 和j-1d 分别可看做近似信号和细节信号。Mallat 算法将jf j-1f 和j-1d，同理可求出其他分辨率上的系数：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 (
【参考文献】：
期刊论文
[1]正弦选择概率模型的全局最优引导人工蜂群算法[J]. 孙辉,谢海华,赵嘉. 南昌工程学院学报. 2018(06)
[2]改进萤火虫优化的软子空间聚类算法[J]. 张曦,赵嘉,李沛武,王家园,谢智峰. 南昌工程学院学报. 2018(04)
[3]基于IQPSO优化SVM在径流预报中的应用[J]. 李文敬,李沛武. 南昌工程学院学报. 2018(03)
[4]加权中心人工蜂群算法[J]. 孙辉,谢海华,赵嘉,邓志诚. 控制与决策. 2019(10)
[5]基于Elman神经网络的锦屏一级水电站年平均径流量集合预报研究[J]. 贺志尧,杨明祥,李臣明,王浩,雷晓辉. 水电能源科学. 2017(10)
[6]基于小波支持向量机的径流预测性能优化分析[J]. 周婷,金菊良,李荣波,纪昌明,李继清. 水力发电学报. 2017(10)
[7]融合大气环流异常因子的径流预报研究[J]. 孟二浩,黄生志,黄强,刘登峰,白涛. 水力发电学报. 2017(08)
[8]基于小波分析-稳健估计的径流预报模型及应用[J]. 纪昌明,张培,吴月秋,张验科,李荣波. 水力发电学报. 2017(06)
[9]基于最优ABC-SVM算法的P2P流量识别[J]. 王春枝,杜远丽,叶志伟. 计算机应用研究. 2018(02)
[10]水文过程非平稳性研究若干问题探讨[J]. 桑燕芳,谢平,顾海挺,李鑫鑫. 科学通报. 2017(04)
硕士论文
[1]基于互信息的改进RBF神经网络模型及其在短期径流预报中的应用[D]. 刘蕊鑫.华北电力大学(北京) 2016
[2]基于EEMD-ANN模型的三峡水库中长期径流预报研究[D]. 姜璇.天津大学 2016
[3]SVM核参数优化研究与应用[D]. 杨海.浙江大学 2014
[4]汾河上游径流时间序列成分分析和特性研究[D]. 李鹏.太原理工大学 2012
本文编号：2928491
【文章来源】：南昌工程学院江西省
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
技术路线图
图 2.1 时间序列的 DWT 分解Fig 2.1 DWT decomposition of time series} k Z 与{ }k k Zg 分别为低通和高通滤波器，令 { }jk k Zc c ，-1 { j jk c c 1}k Z ，则j-1c 和j-1d 分别可看做近似信号和细节信号。Mallat 算法将j-1，同理可求出其他分辨率上的系数：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
的主要趋势（近似值），另一部分包含了原序列的细节部分，如图 2.1 所示图 2.1 时间序列的 DWT 分解Fig 2.1 DWT decomposition of time series设{ }k k Zh 与{ }k k Zg 分别为低通和高通滤波器，令 { }jk k Zc c ，-1 1{ }j jk kc c 1 1{ }jk k Zd ，则j-1c 和j-1d 分别可看做近似信号和细节信号。Mallat 算法将jf j-1f 和j-1d，同理可求出其他分辨率上的系数：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 (
【参考文献】：
期刊论文
[1]正弦选择概率模型的全局最优引导人工蜂群算法[J]. 孙辉,谢海华,赵嘉. 南昌工程学院学报. 2018(06)
[2]改进萤火虫优化的软子空间聚类算法[J]. 张曦,赵嘉,李沛武,王家园,谢智峰. 南昌工程学院学报. 2018(04)
[3]基于IQPSO优化SVM在径流预报中的应用[J]. 李文敬,李沛武. 南昌工程学院学报. 2018(03)
[4]加权中心人工蜂群算法[J]. 孙辉,谢海华,赵嘉,邓志诚. 控制与决策. 2019(10)
[5]基于Elman神经网络的锦屏一级水电站年平均径流量集合预报研究[J]. 贺志尧,杨明祥,李臣明,王浩,雷晓辉. 水电能源科学. 2017(10)
[6]基于小波支持向量机的径流预测性能优化分析[J]. 周婷,金菊良,李荣波,纪昌明,李继清. 水力发电学报. 2017(10)
[7]融合大气环流异常因子的径流预报研究[J]. 孟二浩,黄生志,黄强,刘登峰,白涛. 水力发电学报. 2017(08)
[8]基于小波分析-稳健估计的径流预报模型及应用[J]. 纪昌明,张培,吴月秋,张验科,李荣波. 水力发电学报. 2017(06)
[9]基于最优ABC-SVM算法的P2P流量识别[J]. 王春枝,杜远丽,叶志伟. 计算机应用研究. 2018(02)
[10]水文过程非平稳性研究若干问题探讨[J]. 桑燕芳,谢平,顾海挺,李鑫鑫. 科学通报. 2017(04)
硕士论文
[1]基于互信息的改进RBF神经网络模型及其在短期径流预报中的应用[D]. 刘蕊鑫.华北电力大学(北京) 2016
[2]基于EEMD-ANN模型的三峡水库中长期径流预报研究[D]. 姜璇.天津大学 2016
[3]SVM核参数优化研究与应用[D]. 杨海.浙江大学 2014
[4]汾河上游径流时间序列成分分析和特性研究[D]. 李鹏.太原理工大学 2012
本文编号：2928491
本文链接：https://www.wllwen.com/kejilunwen/shuiwenshuili/2928491.html
