基于多种算法优化SVM模型的乌东德水电站降水量预报

论文摘要

基于粒子群优化(PSO)算法和遗传算法(GA)对支持向量机(SVM)的核函数及主要参数进行训练优化,分别建立PSO算法、GA的支持向量机模型(PSO_SVM、GA_SVM)。选用ECMWF及T639数值预报产品资料和乌东德水电站降水资料,普查最优预报因子,构建包含各种类型降水过程的训练样本和测试样本。比较分析SVM模型RBF和Sigmoid核函数优劣。尝试先分段寻找局部最优,再选择全局最优的参数优化方法。通过增大训练样本集、降低交叉验证准确率、迭代次数截断和控制惩罚系数范围的方法,提高模型的稳定性和泛化能力,防止过拟合和收敛缓慢现象。利用测试样本对SVM、PSO_SVM和GA_SVM三种方案进行对比检验,优化的GA_SVM预报效果较好且稳定。经2018年试报表明,GA_SVM逐3 h累计降水量预报TS评分在50%以上,漏报率在15%以下,与ECMWF和T639比较,该模型TS评分提高1. 4%。

论文目录

• 引言
• 1 资料和方法
•   1.1 资料
•   1.2 方法
•     1.2.1 SVM模型简介
•     1.2.2 粒子群算法优化SVM降水量预报模型
•     1.2.3 遗传算法 （GA） 优化SVM降水量预报模型
•     1.2.4 降水量级及其评价指标
• 2 模型的训练和效果评估与优化
•   2.1 训练测试
•     2.1.1 核函数的选择
•     2.1.2 模型的建立
•   2.2 模型效果TS检验及对比
•   2.3 降水模型的最优化
•   2.4 GA＿SVM与ECMWF和T639的预报效果对比
• 3 结论

文章来源

类型: 期刊论文

作者: 孙俊奎,王将,康道俊,闫丽萍,周稀

关键词: 降水量预报,支持向量机,核函数,全局最优,乌东德水电站

来源: 干旱气象 2019年04期

年度: 2019

分类: 基础科学,工程科技Ⅱ辑

专业: 气象学,地球物理学,水利水电工程

单位: 云南省昆明市气象局,云南省安宁市气象局

基金: 国家自然科学基金重点项目(91537212),中国气象局预报员专项项目(CMAYBY2018-068)共同资助

分类号: P338;P457.6

页码: 670-675

总页数: 6

文件大小: 191K

下载量: 92