kpca_svm水文时间序列预测模型的建立与应用

【目的】建立水文时间序列预测的核主成分支持向量机（kpca_svm）模型。【方法】利用核主成分分析（kpca）对输入数据进行非线性特征信息提取，并将提取的特征信息作为最小二乘支持向量机（lssvm）的输入变量，建立kpca_svm预测模型。以甘肃民勤地区的月蒸发量为例，对模型的预测效果进行检验。【结果】预测结果表明，kpca_svm模型预测效果优于pca_svm模型和lssvm模型，预测平均相对误差为8.36%。【结论】kpca_svm模型的预测效果优于没有特征提取的lssvm模型。与主成分分析（pca）提取特征相比，kpca特征提取效果更好。