基于支持向量机模型的湘江枯水预报研究Support vector machine model based study on low-water forecast of Xiangjiang River
石月珍,徐冬梅
摘要(Abstract)：
随着枯水期水资源短缺问题日益突出,人们对枯水径流的研究也越来越重视。运用支持向量机模型对湘江湘潭站年最小7 d平均流量进行预测。为了检测预报效果,将其预报结果与投影寻踪模型、人工神经网络模型的预报结果进行比较,表明支持向量机模型的误差合格率最高,预报精度也最高。
关键词(KeyWords)： 支持向量机;预报精度;枯水预报;湘江
基金项目(Foundation): 水沙科学与水灾害防治湖南省重点实验室“湘江流域洪水资源利用模式及风险分析”(2010SS06)
作者(Author): 石月珍,徐冬梅
DOI: 10.13928/j.cnki.wrahe.2011.04.005
参考文献(References)：
- [1]殷福才,王在高,梁虹.枯水研究进展[J].水科学进展,2004,15(2):249-254.
- [2]王萍,毛革.珠江流域的枯水研究与展望[J].水文,2008,28(3):65-66.
- [3]朱毅.湘江流域水资源安全问题分析[J].湖南水利水电,2009(4):35-38.
- [4]E Osuna,R Freund,G Girosi.Training Support Vector Machines:An Application to Face Detection[C]∥Proc.of IEEE Conf.on Com-puter Vision and Pattern Recongnition.Washington:DC:IEEEComputer Society,1997:130-136.
- [5]S Fine,J Navratil,R A Gophinath.A Hybrid GMM/SVM Ap-proach to Speaker Identification[C]∥Proceedings of IEEE Interna-tional Conference on Acoustics,Speech,and Signal Processing.2001:417-420.
- [6]D Roobaert,MMVan Hulle.View-based 3D Object Recognition withSupport Vector Machines[C]∥Proceedings of IEEEE Signal Process-ing Society Workshop on Neural Networks for Signal Processing.Wis-consin,USA:Madison,1999:77-84.
- [7]L J Cao.Support Vector Machines Experts for Time Series Foreacast-ing[J].Neurocomputing,2003,51:321-339.
- [8]J He,HJ Hu,R Harrison P C Tai,et al.Rule Generation for Pro-tein Secondary Structure Prediction With Support Vector Machinesand Decision Tree[J].IEEE Transactions on Nanobioscience.2006,5(1):46-53.
- [9]邵小健.支持向量机中若干优化算法研究[D].青岛:山东科技大学,2005.
- [10]邓乃扬,田英杰.数据挖掘中的新方法——支持向量机[M].北京:科学出版社,2003.
- [11]王芳.支持向量机算法的研究及应用[D].无锡:江南大学,2008.