点击次数：

论文类型：期刊论文

发表时间：2012-01-01

发表刊物：大连理工大学学报

收录刊物：PKU、ISTIC、CSCD、Scopus、EI

卷号：52

期号：1

页面范围：79-84

关键字：相空间重构; 相关向量机; 长期径流预报; PSO算法

摘要：鉴于其优越的预报性能,将相关向量机(RVM)应用到中长期径流预报中,并在相空间重构的基础上,建立了基于相关向量机的径流预报模型。该模型首先对径流
   时间序列进行相空间重构,并以重构后的径流序列作为模型输入;其次,采用粒子群优化(PSO)算法识别模型参数,利用优化所得重构参数验证时间序列具有混
   沌特性,在模型内循环过程中采用EM算法迭代估计超参数,并将RVM与应用较为广泛的最小二乘支持向量机(LSSVM)和自动回归滑动平均模型(ARMA
   )进行了比较分析,结果表明该模型具有较好的泛化能力;最后,基于水文过程变化的不确定性、RVM描述输出值的不确定度以及相应概率下的预报区间,使得调
   度人员在决策中能考虑预报的不确定性,定量估计各种决策的风险和效益.