PSO-SVM模型在蒸发预测中的应用
利用支持向量机回归算法(SVM)结合粒子群优化算法(PSO)建立了用于蒸发预测的PSO_SVM模型,用和田地区实测蒸发量对其进行拟合与预测,并与传统的最小二乘支持向量机(LS_SVM)的预测结果进行了对比,结果表明PSO_SVM预测蒸发量的精度要高于LS_SVM,说明该模型可以用于蒸发预测.
作 者： 邵年华 黄领梅 沈冰 秦胜英 SHAO Nian-hua HUANG Ling-mei SHEN Bing QIN Sheng-ying 作者单位： 邵年华,黄领梅,沈冰,SHAO Nian-hua,HUANG Ling-mei,SHEN Bing(西安理工大学,西北水资源与环境生态教育部重点实验室,西安,710048)秦胜英,QIN Sheng-ying(和田河管理局,新疆,和田,848000)
刊 名： 黑龙江水专学报 英文刊名： JOURNAL OF HEILONGJIANG HYDRAULIC ENGINEERING COLLEGE 年，卷(期)： 2009 36(2) 分类号： P338.9 关键词： 支持向量机 粒子群 和田绿洲 蒸发预测