改进支持向量机模型在城市需水量预测中的应用

《改进支持向量机模型在城市需水量预测中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第16卷第5期水利科技与经济V0l_16No．52010年5月WaterConservancyScienceandTechnologyandEconomyMay．，2010改进支持向量机模型在城市需水量预测中的应用叶少华(深圳市市政设计研究院有限公司，广东深圳518035)[摘要]以某城市需水量为研究对象，运用改进的支持向量基模型对该地区1991年到2001年的用水量进行模拟计算，并用该市2002年和2003年的用水量进行模型检验，与GM(1．1)模型所得的结果作比较，分析证明了改进的SVR模型方法能取得更好的结果。[关键词]需水量预测；灰色模型；支持向量机[中图分类号]TU991．31

2、[文献标识码]A[文章编号]1006—7175(2010)05—0495—03ForecastingofWaterDemandofCityUsingImprovedSupportVectorMachineYEShao—hua(ShenzhenMunicipalDesign&ReserchInstituteCo．Ltd，Shenzhen518035，Guangdong，China)Abstract：Citywaterusedisselectedasthestudyobject．TheImprovementSuppo~vectormachinemethodisappliedtothesimu

3、lationcomputationofthematerialsaboutwaterusedfrom1991to2001．Thedataseriesof2002～2003areusedtovalidatemode1．ComparedwithGraymodel，theresultsofImprovementSuppo~vectormachinemodelshowabetterrationalandavailable．Keywords：waterdemandforest；graymodel；suppo~vectormachine市用水特点的预测方法。1概述2模型建立世界城市化快速发展，城市成为

4、人类最主要的生存空间，但是城市中存在大量的”城市问题”，其中水资源短设工业需水量的原始时间序列{(0)()}={(0)缺已经成为影响城市乃至整个人类可持续发展的障碍。(1)，(0)(2)，⋯，x(o)(n)}，建立GM(1，1)预测模型步从可持续发展的角度来看，不仅要解决现在的用水问题，骤如下：更要预计到将来可能发生的用水矛盾，因此对城市用水第l步，由原始数据序列累加生成新序列。量进行科学预测，揭示其未来的变化规律和发展趋势，在第2步，光滑性判别与平移变换。水资源管理和规划中起着举足轻重的作用，并且能够为第3步，建立微分方程。有关调度部门和规划设计部门制定水资源规划和采取切第4步，建立G

5、M(1，1)模型。实可行的对策提供必要的信息。第5步，精度检验。近年来，需水量预测模型的方法大体上分为：回归分3精度检验析模型、灰色模型、时间序列模型和神经网络模型，其中灰色模型是一种较为成熟的方法。该方法将观测或统计通常采用后验差方法对模型的精度进行检验，模型精度由均方差比值和小误差概率共同评定。精度检验要得到的时间序列经数据生成后再直接转化为微分方程，使灰色系统在结构上模型化、规范化。并作为预测系统求均方差比值越小越好，小误差概率越大越好。设e为残差，S。和S：为原始数列X(0)及残差序列e的均方差，动态分析及控制的基础。本文利用灰色模型和改进的支则后验差比计算公式为：持向量机模型对

6、城市需水量进行预测，分析比较出改进的支持向量机模型有更好的预测效果，从而建立符合该e()：(。()一(。()[收稿日期]2009—11—16[作者简介]叶少华(1981一)，男，广东陆河人，助理工程师．——495．-．——第16卷第5期水利科技与经济V0Ll6No．52010年5月WaterConservancyScienceandTechnologyandEconomyMay．，2010㈤及高维模式识别问题中表现出许多特有的优势，支持向：土兰。()量机又称支持向量网络，具有理论完备、适应性强、全局S2优化、训练时问短、泛化性能好等优点。城市需水量预测，：=兰(X(‘。()一(‘。)z实

7、质上是序列预测问题，因此采用支持向量机回归机：量(¨(SVR模型)进行建模。5．1支持向量回归分析5；=1李，(e()一)支持向量回归是支持向量机用于回归中的情况。c=S2／sSVM方法是从线性可分情况下的最优分类面发展而来的。对于回归模型，设给定的训练样本为：P：P{fe()一ef<0．6457Sf，=1，2，⋯，，得到模型精度的判别指标C与P如下：{(l，Y1)，(2，Y2)，‘·‘，(，Y)}cR×R方差比c=S2／s，，小误