支持向量机在水文气象中的应用

根据1951～2004年丹江口水库流域流量资料及国家气候中心的74项大气环流与海温资料等,利用支持向量机并采用遥相关挑选因子与预报对象一一相对应的距平拟合率,建立了丹江口水库流域不同季节的流量预测模型。小样本量交叉验证和实例预报的结果表明:预测模型是具有良好的稳定性,运算速度比传统的预报方法大大加快。     

改进支持向量机模型在城市需水量预测中的应用

以某城市需水量为研究对象,运用改进的支持向量基模型对该地区1991年到2001年的用水量进行模拟计算,并用该市2002年和2003年的用水量进行模型检验,与GM(1.1)模型所得的结果作比较,分析证明了改进的SVR模型方法能取得更好的结果。     

支持向量机在径流预报中的应用探讨

径流的形成是一个涉及到水文、气象及力学等复杂的过程,中间包含降水、蒸发、产流、汇流等复杂过程,还受到地形、地貌、流域下垫面和人类活动等因素影响,其变化非常复杂,作为一种新的机器学习算法,支持向量机在样本有限的情况下,采用结构风险最小化准则,把学习问题转化为一个二次规划问题,从而得到唯一的全局最优解。尝试将最小二乘支持向量机技术用于径流预测,并与BP神经网络方法的预测结果进行了对比,证明SVM方法预测径流量精度要优于BP神经网络方法。     

基于人工神经网络和支持向量回归机的干旱预测

气候变暖导致南方湿润地区干旱逐渐加剧,干旱预测对于水资源优化管理、缓解旱情具有重要意义。基于不同时间尺度的标准化降水蒸散指数(SPEI)作为干旱评价指标,通过构建人工神经网络(ANN)和支持向量回归机(SVR)模型进行了预见期为1～3个月的干旱预测,并进一步构建了经验模态分解的人工神经网络(EMD-ANN)和支持向量回归机(EMD-SVR)耦合模型,以提高1个月时间尺度SPEI1的预测精度。结果表明:对时间尺度为3个月及以上的SPEI,ANN和SVR模型具有良好预测效果,且SVR模型预测精度略优于ANN模型;预见期越短,干旱预测精度越高,预见期1个月的ANN和SVR模型预测决定系数可达到0.834～0.911;ANN和SVR模型对1个月时间尺度的SPEI1预测效果较差,通过EMD及小波消噪处理后,基于EMD-ANN和EMD-SVR模型的SPEI1预测精度显著提高。     

基于支持向量机的混凝土强度预测

支持向量机是建立在统计学理论之上的机器学习技术。提出了混凝土28 d抗压强度预测的一种新方法,即支持向量机回归方法。该方法根据有限的学习样本,建立了各种影响因素和混凝土抗压强度之间的一种非线性映射,可以对混凝土强度进行预测。以实际样本数据进行训练,并对测试样本进行了预测。预测结果表明,支持向量机方法有着良好的泛化能力,优于人工神经网络建模方法。     

基于经验模态分解和支持向量机的日径流预测研究

准确的径流预测是水资源开发利用的重要依据，但预测难度大。为提高日径流预测精度，以榕江流域南河东桥园站日径流为例，建立了经验模态分解(EMD)和支持向量机(SVM)耦合的日径流预测模型。首先，利用经验模态分解将日径流系列分解为若干子过程，再采用支持向量机深度学习模型分别对每一个子过程进行预测，最后将每个预测结果相加得到原日径流数据的预测结果。研究表明：EMD-SVM组合模型相对于SVM、BP、LSTM单模型具有更好的预测性能。     

回归支持向量机模型及其在年径流预测中的应用

研究交叉验证（CV）SVR年径流预测模型,以云南省清水江革雷站为例进行实例分析。利用SPSS软件选取年径流影响因子,确定输入向量;采用CV方法搜寻SVR惩罚因子C和核函数参数g,构建CV-SVR多元变量年径流预测模型,并构建GA-BP、传统BP模型作为对比模型。利用所构建的模型对实例进行预测。结果表明：CVSVR模型对实例后15年年径流预测的平均相对误差绝对值和最大相对误差绝对值分别为3.4596%、9.3035%,预测精度和泛化能力均优于GA-BP、传统BP模型,表明CV能有效搜寻SVR惩罚因子C和核函数参数g。CV-SVR模型具有预测精度高、泛化能力强以及算法稳定等特点。     

支持向量机在乌龙矶站径流预测中的应用研究

潘家口水库是海河流域的重要水源地之一,科学预测其来水量可以为流域的水量调度、水资源保护、水资源规划与管理等提供工作依据.利用潘家口水库上游主要控制站——乌龙矶水文站的实测资料,将成熟的预测方法和新技术应用到基于支持向量机的径流预测模型,以期为潘家口水库优化调度和合理使用提供可靠的水文信息,提高其经济效益和社会效益.     

支持向量机在三江平原井灌水稻需水量预测中的应用

探讨了支持向量机在水稻需水量预测中的应用.在介绍支持向量机基本思想和回归算法的基础上,利用此方法对三江平原井灌水稻生育期内需水量进行预测.结果表明:该方法具有速度快,泛化能力强,并具有较高的模型拟合和预测精度,为当地制定合理的节水灌溉制度提供理论依据.     

回归支持向量机集成模型在年径流预测中的应用

为进一步提高径流预测精度和泛化能力,根据回归支持向量机(SVR)特性及基本原理,提出考虑不同影响因子(输入向量)的SVR集成预测模型,以云南省南盘江西桥站1961—2007年径流预测为例进行实例研究。首先,利用相关分析法选取年径流预测的若干影响因子,依次构建不同影响因子的SVR单一模型对研究实例进行预测,并构建对应的RBF模型作为对比预测模型;然后,采用加权平均和简单平均2种方法对具有较好预测精度和互补性的单一模型的预测结果进行综合集成。结果表明基于SVR的加权平均和简单平均2种集成模型径流预测的平均相对误差绝对值分别为1.27%和1.54%,最大相对误差绝对值分别为2.99%和2.74%,其精度和泛化能力均大幅优于各单一模型以及基于RBF的加权平均和简单平均集成模型,表明加权平均SVR和简单平均SVR集成模型具有较高的预测精度和泛化能力。相对而言,加权平均集成模型赋予了预测效果好的模型更大的权重,预测精度和泛化能力均优于简单平均集成模型。预测模型和方法可为相关预测研究提供参考和借鉴。     

基于遗传算法的支持向量机在径流中长期预报中的应用

支持向量机在径流中长期预报的应用中,普遍采用网格搜索法率定其参数,存在耗时较长、参数选取不当而导致预报精度低等问题,针对该问题提出了一种基于遗传算法的支持向量机模型,该模型结合遗传算法收敛速度快的特点对支持向量机参数进行优化选择,实现参数的全局自动化选取。应用乌江流域某电站的径流预报结果显示,相对于基于网格搜索参数寻优的支持向量机模型及神经网络模型,基于遗传算法参数寻优的支持向量机模型预报精度更高,泛化能力更强。更多还原     

丰城市干旱灾害成因及抗旱对策

针对丰城市干旱灾害频繁发生的现象和影响范围,本文从现有的抗旱工程措施和非工程措施等分析了当前的抗旱能力,并从引发干旱灾害的降雨分布不均,天时与农时错位自然气象、抗旱水源工程分布不平衡、输水建筑物老化失效、效益难以发挥和人类活动造成赣江河床下切等因素进行剖析,从加强小型农业灌溉工程建设、加快城乡水源工程建设等抗旱工程措施和强化科学调度蓄水、加强部门通力协作,强化抗旱服务组织建设、完善各项服务机制等抗旱非工程措施的建设提出抗旱对策建议,为今后抗旱决策提供有力依据.     

基于三种干旱指标的朝阳市干旱特征分析

旱灾具有出现频率高、持续时间长、波及范围广等特点,本文运用降水距平百分率、Z指数、SPI标准化降水指数,对朝阳地区50a（1969～2018）干旱特征进行分析。结果表明：Z指数与SPI标准化降水指标得到的朝阳地区干旱特征情况基本一致,能较好地反映出该地区的干旱特征,朝阳地区1969～2018年自然灾害频繁发生,严重干旱年份主要集中在1980、1981、1982 年,与实际相符。     

基于EMD分解法的大坝变形预测模型及应用

针对传统模型对脉动时间序列的预测效果较差的情况,结合经验模态分解(EMD)、相关向量机(RVM)理论以及改进粒子群算法(IPSO)的优点,提出一种基于EMD分解法的大坝变形预测模型。首先利用EMD分解法对大坝变形时间序列进行分解和重构,使非平稳的大坝变形时间序列平稳化,再以RVM理论为基础进行预测,核函数选用高斯核函数,并采用改进粒子群算法(IPSO)进行寻优,最终建立EMD-RVM(IPSO)大坝变形预测模型。通过实例计算得到,SVM、RVM和EMDRVM(IPSO)三种模型的平均残差分别为5.29 mm、3.13 mm、0.97 mm,并且EMD-RVM(IPSO)模型的预测值误差均控制在5%以内。这证明EMD分解法对非平稳时间序列的预处理可有效提高预测精度,相比于标准SVM模型和RVM模型,EMD-RVM(IPSO)模型的预测精度更高,且结构稀疏度更好,在实际工程中具有一定的可行性。     

基于AdaBoost-SVM的混凝土坝变形预测模型

针对混凝土坝变形预测模型中环境量与效应量之间复杂的非线性问题,以及单支持向量机(SVM)模型预测精度不高的问题,提出一种AdaBoost-SVM的混凝土坝变形预测模型,该模型采用结构风险最小化的原则,并借鉴提升算法强化学习的思想,从而提高模型的学习性能,达到增强模型泛化能力和预测精度的目的。结合实例,经过AdaBoost-SVM预测模型对混凝土坝位移原型监测数据进行训练及预测,并将预测结果与单支持向量机模型的预测结果进行对比,结果显示:基于AdaBoost-SVM预测模型得到的均方差为0.5565,平均误差绝对值为0.40,预测精度比单支持向量机模型高出一个数量级;而且相较于单支持向量机预测模型,强化后的模型在预测时段表现出更好的稳定性。该模型综合了提升算法与支持向量机各自的优势,可作为混凝土坝变形预测的一种有效方法。     

支持向量机在大坝渗流监测中的应用

支持向量机是基于统计学习理论的小样本学习方法,是一种处理高度非线性分类回归等问题的新方法,它能较好地解决小样本非线性高维数,避免了神经网络无法解决的局部极小问题.本文简要介绍了支持向量机的基本原理及其在渗流监测数据处理中的应用,论述了如何利用支持向量机建立大坝渗流统计模型和预报.通过对云龙水库渗流监测连续观测数据的计算和分析,并与RBF神经网络预测结果进行比较,证明支持向量回归机在渗流监测中比RBF神经网络预测精度更高,具有良好的泛化能力.     

吉安市历史典型干旱年农业旱情特点分析

本文以新中国建国以来至2012年江西省吉安市历史上出现的典型干旱年:1963年、1978年、1986年、1998年、2003年、2007年为研究对象,从降水量、河道水情以及灾情等方面进行初步分析,利用雨量距平百分比、连续无雨日等方法对旱情程度进行评估,阐述了各自的规律和特点,认识了干旱的程度.结果表明:吉安市典型干旱年的干旱时间一般比较长,灾情也严重,与降水时空分布不均或降水量的多寡有明显关系;区域分布上,总趋势是吉泰盆地区域干旱较重,山区较轻,从南部到北部逐步加重.     

解决来宾市干旱受灾问题的思考

介绍了来宾市干旱灾害的基本情况,从桂中地区的地形、地貌、人为因素及水利工程因素等方面分析了来宾市干旱灾害频繁的原因。论述了解决这一问题的工程措施和非工程措施。