基于遗传算法的SVM-AR改进模型与应用

发布时间：2023-06-02 04:36

　　为提升河流流量的预测精度,将支持向量机与AR进行耦合,并构造三核混合核函数的流量预测支持向量机模型。以渭河流域的月径流量为例,首先,通过时间序列分析,将渭河流域的径流序列划分为趋势序列、季节序列和随机波动序列,然后利用AR模型构造适用于支持向量机算法的数据集,并将数据集按4∶1划分为训练集和检验集;其次,利用线性组合构造由多项式核函数、径向基核函数与Sigmoid核函数构成的三核混合核函数,在训练集上,采用遗传算法确定相关参数,随后在检验集上进行预测。结果表明:遗传算法确定参数会带来较大的不确定性,导致结果差异较大,从而着重讨论遗传算法带来的参数不确定性;通过函数构造与统计分析,给出三核混合核函数参数选择的一般性方法与流程,并进行验证,该参数选取方法能够降低遗传算法的不确定性,得到精度较高的流量预测结果,预测流量与实际流量的均方误差从150左右降低到130左右。

【文章页数】：10 页

【文章目录】：
1 基于SVM的时间序列模型构建
    1.1 时间序列分解
    1.2 SVM-AR模型构建及平稳性分析
    1.3 模型定阶
2 支持向量机核函数构造与参数确定
3 实 例 分 析
    3.1 月流量数据时间序列分析
        3.1.1 流量数据分解以及平稳性分析
        3.1.2模型定阶
    3.2 支持向量机算法使用流程
    3.3 结果与分析
4 结 语



本文编号：3827676