基于小波分解与GA-LSSVM的GPS可降水量短临预报

论文摘要

针对GPS可降水量时间序列具有非线性、非平稳性的特征,研究一种基于小波分解（WD）、遗传算法（GA）和最小二乘支持向量机（LSSVM）的GPS可降水量短临预报方法。先采用小波分解将GPS可降水量时间序列分解成便于预报的低频分量和高频分量;然后利用遗传算法优化LSSVM参数,进而对各分量建立预报模型;再将各分量预报结果进行叠加重构得到最终预报结果。选取两组数据进行实验,并将预报结果分别与LSSVM和遗传小波神经网络（GA-WNN）预报结果进行对比。结果表明,该组合模型具有良好的泛化能力,可有效解决神经网络易陷于局部极小的问题,提高了全局预报精度。

论文目录

• 1 算法原理
•   1.1 小波分解
•   1.2 最小二乘支持向量机
•   1.3 遗传算法
• 2 基于WD-GA-LSSVM的可降水量短临预报
• 3 实验分析
• 4 结 语

文章来源

类型: 期刊论文

作者: 谢劭峰,苏永柠,刘春丽,刘立龙

关键词: 可降水量,小波分解,遗传算法,最小二乘支持向量机,短临预报

来源: 大地测量与地球动力学 2019年05期

年度: 2019

分类: 基础科学

专业: 气象学

单位: 桂林理工大学测绘地理信息学院,广西空间信息与测绘重点实验室

基金: 国家自然科学基金(41864002,41704027),广西自然科学基金(2018GXNSFAA281182,2017GXNSFBA198139),广西空间信息与测绘重点实验室基金(15-140-07-11)~~

分类号: P45

DOI: 10.14075/j.jgg.2019.05.009

页码: 487-491

总页数: 5

文件大小: 1343K

下载量: 203