PSO-SVM模型在蒸發(fā)預測中的應用

利用支持向量機回歸算法(SVM)結合粒子群優(yōu)化算法(PSO)建立了用于蒸發(fā)預測的PSO_SVM模型,用和田地區(qū)實測蒸發(fā)量對其進行擬合與預測,并與傳統(tǒng)的最小二乘支持向量機(LS_SVM)的預測結果進行了對比,結果表明PSO_SVM預測蒸發(fā)量的精度要高于LS_SVM,說明該模型可以用于蒸發(fā)預測.

作 者： 邵年華 黃領梅 沈冰 秦勝英 SHAO Nian-hua HUANG Ling-mei SHEN Bing QIN Sheng-ying   作者單位： 邵年華,黃領梅,沈冰,SHAO Nian-hua,HUANG Ling-mei,SHEN Bing(西安理工大學,西北水資源與環(huán)境生態(tài)教育部重點實驗室,西安,710048)

秦勝英,QIN Sheng-ying(和田河管理局,新疆,和田,848000) 

刊 名： 黑龍江水專學報  英文刊名： JOURNAL OF HEILONGJIANG HYDRAULIC ENGINEERING COLLEGE  年，卷(期)： 2009 36(2)  分類號： P338.9  關鍵詞： 支持向量機   粒子群   和田綠洲   蒸發(fā)預測  

【PSO-SVM模型在蒸發(fā)預測中的應用】相關文章：

組合預測模型在物流需求預測中的應用04-26

ARIMA模型在蘇州河總磷預測中的應用04-25

新陳代謝模型在區(qū)域大氣總量預測中應用研究04-25

灰色組合模型在湖北省糧食單產預測中的應用04-26

河流隨機水質預測模型及其應用04-26

應用BLM模型預測我國主要河流中Cu的生物毒性04-26

權函數灰色模型及其在山體隧道洞口變形預測中的應用04-26

基于MATLAB的BP神經網絡組合預測模型在公路貨運量預測中的應用04-27

IECM模型在燃煤電站汞污染控制及經濟性預測中的應用04-26

全板式蒸發(fā)站在草漿堿回收中的應用04-26