基于改进布谷鸟搜索算法优化的SVM月径流预测

发布时间：2021-06-08 20:41

　　为提高水文预测预报精度,提出基于Mittag-Leffler、Pareto、Cauchy3种重尾分布改进的布谷鸟搜索算法（MLCS、PCS、CCS）优化的支持向量机（SVM）月径流预测模型。选取6个典型测试函数对MLCS、PCS和CCS算法进行仿真验证,并与基本布谷鸟搜索算法（CS）的仿真结果进行比较。利用MLCS、PCS、CCS、CS算法优化SVM关键参数,建立MLCS-SVM、PCS-SVM、CCS-SVM、CS-SVM模型对云南省姑老河站枯水期月径流进行研究,并利用实例前40年和后13年资料对各模型进行训练和预测。结果表明,MLCS、PCS、CCS算法寻优能力优于标准CS算法,具有较好的寻优精度和全局搜索能力。MLCS-SVM、PCS-SVM、CCS-SVM模型对实例1-3月月径流预测的平均相对误差分别在4.89%～4.94%、6.87%～7.07%、6.87%～7.09%之间,预测精度较CS-SVM模型分别提高了34.5%、8.30%、23.6%以上,具有较好预测精度和泛化能力,表明MLCS、PCS、CCS算法能有效优化SVM相关参数。模型及方法可为水文预测预报及其他相关预测研... 

【文章来源】：中国农村水利水电. 2020,(08)北大核心

【文章页数】：6 页

【部分图文】：

4种模型1-3月训练样本进化过程图

实例1-3月月径流训练-预测相对误差效果图

【参考文献】：
期刊论文
[1]基于帝国殖民竞争算法优化支持向量机的电力变压器故障诊断模型[J]. 张镱议,焦健,汪可,郑含博,房加珂,周浩.  电力自动化设备. 2018(01)
[2]改进GWO优化SVM的语音情感识别研究[J]. 陈闯,RYAD Chellali,邢尹.  计算机工程与应用. 2018(16)
[3]分布式布谷鸟算法在无线传感器网络布局优化中的应用[J]. 刘小垒,张小松,胡腾,朱清新.  计算机应用研究. 2018(07)
[4]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)
[5]基于入侵杂草优化算法的支持向量机负荷预测[J]. 周尚珺玺,马立新.  电力科学与工程. 2017(02)
[6]基于改进蛙跳算法优化的支持向量回归机ORP预测[J]. 南新元,曾庆凯,孟宪强.  新疆大学学报(自然科学版). 2016(04)
[7]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)
[8]免疫粒子群算法与支持向量机在枯水期月径流预测中的应用[J]. 李月玉,李磊.  水资源与水工程学报. 2015(03)
[9]人工鱼群算法与支持向量机在枯水期月径流预测中的应用[J]. 崔东文.  人民珠江. 2015(03)
[10]果蝇优化算法与支持向量机在年径流预测中的应用[J]. 崔东文,金波.  人民珠江. 2015(02)



本文编号：3219165