克鲁伦河月径流混沌时间序列的LS-SVM和RBF预测
Prediction of the monthly runoff chaotic time series in Kelulun River using least squares support vector machines and RBF neural network models作者机构:内蒙古农业大学水利与土木建筑工程学院内蒙古呼和浩特010018
出 版 物:《水资源与水工程学报》 (Journal of Water Resources and Water Engineering)
年 卷 期:2012年第23卷第3期
页 面:71-76页
学科分类:12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 081501[工学-水文学及水资源] 0815[工学-水利工程] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家自然科学基金面上项目(50569005 40901262) 国家水体污染控制与治理科技重大专项(2009ZX07106-006)
主 题:混沌理论 相空间重构 lyapunov指数 最小二乘支持向量机 径向基 月径流预测 克鲁伦河
摘 要:采用相空间重构理论计算实测月径流的延迟时间、嵌入维数、G-P饱和关联维数和Laypunov指数,证明克鲁伦河月径流时间序列存在混沌现象。混沌时间序列的最小二乘支持向量机预测模型涉及参数较少,计算过程简便,训练速度快。RBF神经网络预测模型具有较快的训练速度和较强的非线性映射能力。同时,二者在建模中都引用了径向基函数,从而更加简化了非线性问题的求解。实例表明:将这两种模型应用在月径流时间序列预测上,其运算速度都很快,但在预测精度上,最小二乘支持向量机预测模型要优于径向基神经网络预测模型。