本文主要研究内容
作者周有荣,崔东文（2019）在《基于混合核SHTS-SVM的年径流预测》一文中研究指出：为提高年径流预测精度,利用同热传递搜索(SHTS)算法对混合核支持向量机(SVM)关键参数和混合权重系数进行优化,提出混合核SHTS-SVM年径流预测模型。通过6个不同维度的标准测试函数对SHTS算法进行仿真验证,并与当前寻优效果较好的教学优化(TLBO)算法、灰狼优化(GWO)算法进行对比验证。利用两个年径流预测算例对混合核SHTS-SVM模型进行实例验证,并与多项式核SHTS-SVM、高斯核SHTS-SVM及SHTS-BP模型预测结果进行对比。结果表明:SHTS算法寻优精度优于TLBO、GWO优化算法,具有较好的极值寻优能力和稳健性能。混合核SHTS-SVM模型综合了多项式全局核函数和高斯局部核函数二者优点,在预测精度、泛化能力等方面均优于对比模型,具有较好的实际应用价值。
Abstract
wei di gao nian jing liu yu ce jing du ,li yong tong re chuan di sou suo (SHTS)suan fa dui hun ge he zhi chi xiang liang ji (SVM)guan jian can shu he hun ge quan chong ji shu jin hang you hua ,di chu hun ge he SHTS-SVMnian jing liu yu ce mo xing 。tong guo 6ge bu tong wei du de biao zhun ce shi han shu dui SHTSsuan fa jin hang fang zhen yan zheng ,bing yu dang qian xun you xiao guo jiao hao de jiao xue you hua (TLBO)suan fa 、hui lang you hua (GWO)suan fa jin hang dui bi yan zheng 。li yong liang ge nian jing liu yu ce suan li dui hun ge he SHTS-SVMmo xing jin hang shi li yan zheng ,bing yu duo xiang shi he SHTS-SVM、gao si he SHTS-SVMji SHTS-BPmo xing yu ce jie guo jin hang dui bi 。jie guo biao ming :SHTSsuan fa xun you jing du you yu TLBO、GWOyou hua suan fa ,ju you jiao hao de ji zhi xun you neng li he wen jian xing neng 。hun ge he SHTS-SVMmo xing zeng ge le duo xiang shi quan ju he han shu he gao si ju bu he han shu er zhe you dian ,zai yu ce jing du 、fan hua neng li deng fang mian jun you yu dui bi mo xing ,ju you jiao hao de shi ji ying yong jia zhi 。
论文参考文献
论文详细介绍
论文作者分别是来自水资源与水工程学报的周有荣,崔东文，发表于刊物水资源与水工程学报2019年03期论文，是一篇关于径流预测论文,同热传递搜索算法论文,混合核函数论文,支持向量机论文,参数优化论文,仿真验证论文,水资源与水工程学报2019年03期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自水资源与水工程学报2019年03期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：径流预测论文; 同热传递搜索算法论文; 混合核函数论文; 支持向量机论文; 参数优化论文; 仿真验证论文; 水资源与水工程学报2019年03期论文;