文献类型：期刊文章

作　　者：畅明琦[1,2] 刘俊萍[3]

机构地区：[1]长安大学水与发展研究院,西安710064 [2]中国灌溉排水发展中心,北京100054 [3]浙江工业大学建筑工程学院,杭州310032

出　　处：《水力发电学报》

基　　金：教育部国家外国专家局111创新引智计划(B08039);全球环境基金(GEF)(MWR-9-2-1)

年　　份：2010

卷　　号：29

期　　号：4

起止页码：32-38

语　　种：中文

收录情况：BDHX、BDHX2008、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI(收录号：20104113283215)、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：统计学习理论是研究有限样本情况下机器学习规律的理论。支持向量机是基于统计学习理论的一种新型的机器学习方法,可以解决样本空间中的高度非线性分类和回归等问题。建立了两种模型,模型Ⅰ将黄河干流兰州站的径流时间序列作为输入,模型Ⅱ将径流时间序列和太阳黑子作为输入,两种模型都应用支持向量机对次年的年径流进行预测。结果表明,SVM模型泛化能力强,具有较满意的预测效果。它较好地解决了小样本、过学习、高维数、局部最小等问题,同时模型Ⅱ的预测效果优于模型Ⅰ的,说明径流除了与径流时间序列本身有关外,与太阳黑子活动等有较密切的关系。虽然两者间的物理关系尚需进一步研究,但是支持向量机反映出两者间的非线性关系。

关 键 词：统计学习理论 支持向基机  太阳黑子 径流 预测  

分 类 号：TV213.4]