PSO-LSSVM灰色组合模型在地下水埋深预测中的应用

作     者：龙文 梁昔明 龙祖强 阎纲 LONG Wen;LIANG Xi-ming;LONG Zu-qiang;YAN Gang

作者机构：贵州财经大学贵州省经济系统仿真重点实验室贵阳550004 中南大学信息科学与工程学院长沙410083 衡阳师范学院物理与电子信息科学系衡阳421008 

出 版 物：《系统工程理论与实践》 (Systems Engineering-Theory & Practice)

年 卷 期：2013年第33卷第1期

页      面：243-248页

核心收录：

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)] 081104[工学-模式识别与智能系统] 08[工学] 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(60874070 61074069) 高等学校博士学科点专项科研基金(20070533131) 教育部留学回国人员科研启动基金 湖南省研究生科研创新项目(CX2009B038) 

主　　题：粒子群优化 灰色预测 最小二乘支持向量机 组合模型 地下水埋深预测 

摘      要：针对LSSVM参数难以确定和单一方法预测精度不高的问题,提出一种基于粒子群优化LSSVM灰色组合预测模型的学习方法.利用粒子群算法的收敛速度快和全局优化能力,优化L,SSVM模型的惩罚因子和核函数参数.避免了人为选择参数的盲目性.在同一时刻利用不同长度序列的灰色预测方法对历史数据进行初步预测,将初步预测结果的组合作为LSSVM的输入,该时刻的实际值作为输出,进行训练建立灰色LSSVM组合预测模型,提高了模型的推广预测能力.选取三江平原某地区1985年至2006年地下水埋深实测数据,建立PSO-LSSVM组合预测模型.通过两种方式对模型进行检验,与其他模型相比,该组合模型具有较高的预测精度.