岩溶地下河日流量预测的小样本非线性时间序列模型

详细信息   

• 责任者：温忠辉^c河海大学水文水资源与水利工程科学国家重点实验室^d1964^f副教授 ; 任化准 ; 束龙仓 ; 王恩 ; 柯婷婷 ; 陈荣波
• 刊名：吉林大学学报（地球科学版）
• 出版年：2011
• 卷期：41^b2
• 关键词：岩溶水 ; 地下河20^a流量 ; 最小二乘法 ; 遗传算法 ; 支持向量机 ; 非线性 ; 时间序列分析 ; 数学模型
• 页码：455～458,464
• 索书号：P206.6/332
• 图表：^c表1参13插图
• 分类号：1500,2000
• 文摘期号：2011/10

摘要

针对岩溶含水系统高度的非线性特征，在小样本时间序列条件下，引入了能较好解决小样本、非线性问题的支持向量回归方法，利用偏最小二乘回归对影响地下河流量的诸多因素进行综合分析，并提取主成分作为支持向量机的输入变量，采用遗传算法优化模型参数，建立了地下河日流量预测的偏最小二乘‐遗传‐支持向量回归模型;将该模型用于后寨典型岩溶地下河流域日流量模拟和预测，并与BP人工神经网络、多元线性回归模型预测结果进行对比。偏最小二乘‐遗传‐支持向量回归模型模拟期的均方误差(MSE)、平均绝对百分比误差(MAPE)分别为0.25%、6.89%，预测期为0.65%、6.03%;BP神经网络模拟期的MSE、MAPE分别为0.24%、7.30%，预测期为0.84%、7.39%;多元线性回归模型模拟期的MSE、MAPE分别为0.28%、9.30%，预测期为1.10%、10.54%。结果表明，偏最小二乘‐遗传‐支持向量回归模型预测精度明显优于BP人工神经网络和多元线性回归模型。