KPCA_SVM水文时间序列预测模型的建立与应用

编号 zgly0001354275

文献类型 期刊论文

文献题名 KPCA_SVM水文时间序列预测模型的建立与应用

作者 邵年华  沈冰  黄领梅  戴玉萍 

作者单位 西安理工大学西北水资源与环境生态教育部重点实验室  新疆和田河管理局 

母体文献 西北农林科技大学学报(自然科学版 

年卷期 2009年09期

年份 2009 

分类号 P334.92 

关键词 水文时间序列  蒸发量  核主成分分析  支持向量机  KPCA_SVM模型 

文摘内容 【目的】建立水文时间序列预测的核主成分支持向量机(KPCA_SVM)模型。【方法】利用核主成分分析(KPCA)对输入数据进行非线性特征信息提取,并将提取的特征信息作为最小二乘支持向量机(LSSVM)的输入变量,建立KPCA_SVM预测模型。以甘肃民勤地区的月蒸发量为例,对模型的预测效果进行检验。【结果】预测结果表明,KPCA_SVM模型预测效果优于PCA_SVM模型和LSSVM模型,预测平均相对误差为8.36%。【结论】KP-CA_SVM模型的预测效果优于没有特征提取的LSSVM模型。与主成分分析(PCA)提取特征相比,KPCA特征提取效果更好。