基于GA优化AR-LSSVR组合模型在区域降雨量预测中的应用研究

2016-03-23 01:28:07丁星臣徐淑琴路豪杰陈际旭刘琦峰
节水灌溉 2016年5期
关键词:模型

丁星臣,徐淑琴,路豪杰,陈际旭,刘琦峰

(东北农业大学水利与建筑学院,哈尔滨 150030)

目前降雨量的预测方法主要有小波神经网络法[1]、序位集对分析法[2]、均生函数法[3]、时间序列法[4]、马尔科夫预测法[5]、贝叶斯概率预报[6]、支持向量机预测法[7]等,而实际的降雨量数据并非纯粹呈指数的增长规律,是一种具有剧烈波动的非线性变化规律,利用单一的预测方法虽然在预测过程中取得了较好的效果,但自身难免都存在一些不足,单独使用预测精度不是很理想,误差较大。比如时间序列法在数据波动较大时预测效果较差,人工神经网络存在局部收敛、过拟合、网络层数和各层神经元数没有统一的确定标准等问题[8],最小二乘支持向量机(Least Square Support Vector Machines,LS-SVM)继承了标准SVM优异的泛化性能和全局收敛能力,用等式约束代替了不等式约束,并用训练误差的平方代替了松弛变量,从而优化了SVM复杂的运算过程,极大地提高了训练速率[9]。本文针对目前降雨量预测方法存在的不足提出时间序列最小二乘支持向量机组合模型的降雨量预测方法,该组合模型充分考虑了降雨量变化的时序动态性、随机性因素,提高了预测准确度,为地区降雨量的精确预报提供了一种新的方法。

1 降雨量时间序列模型的构建

1.1 模型的基本原理

时间序列分析是一种暂不考虑外界因素影响对动态数据处理的统计方法,对非线性数据具有较好的拟合效果,本文首先对858农场1963-2004年的年降雨量采用AR模型进行拟合,年降雨量动态变化组成的数学表达式如下:

登录APP查看全文

猜你喜欢
模型
一半模型
一种去中心化的域名服务本地化模型
适用于BDS-3 PPP的随机模型
函数模型及应用
p150Glued在帕金森病模型中的表达及分布
函数模型及应用
重尾非线性自回归模型自加权M-估计的渐近分布
3D打印中的模型分割与打包
FLUKA几何模型到CAD几何模型转换方法初步研究
一个相似模型的应用