|
|||||
|
|
| 基于改进的SVR模型在年降水量预测中的应用 | |
| 作者单位： | ;1.西北工业大学理学院;2.西北农林科技大学理学院 |
| 摘 要： | 鉴于降水量数据的高维非线性性和周期性,建立了支持向量回归(SVR)预测模型用于降水量预测,由于对该模型输入特征的选取极为重要,因此提出了一种基于季节自回归(SARI)的输入特征选取方法.利用已有的降水量数据建立SARI模型,通过观察模型表达式提取建立SVR模型所需的输入特征用于训练支持向量机,并通过网格参数寻优法确定SVR模型的参数,进行降水量预测.实例分析中,应用此模型对黄土丘陵半干旱区域的降水量进行预测,将预测结果与季节时间序列(SARIMA)模型的预测结果进行对比,结果表明,模型具有更高的预测精度和拟合优度,可以用于降水量的预测. |
| 关 键 词： | 降水预测 输入特征 黄土丘陵半干旱区域 支持向量机 季节自回归 |
Annual Precipitation Forecasting Based on Improved SVR |
|
| Abstract: | |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ | |