基于ga-svr的中长期径流预报

【目的】将遗传算法（ga）与支持向量机回归（svr）2种算法结合，构建ga-svr模型，并采用该模型对径流进行预报，为制定防洪抗旱与水资源调度方案提供依据。【方法】以陕西府谷县黄甫川水文站1979-2003年实测资料作为拟合样本，2004-2008年资料作为检验样本，选取降水量、蒸发量为输入量，径流为输出量，通过ga优化svr的结构和参数，建立ga-svr预报模型，进而进行径流预报，同时与基于误差反向传播算法的人工神经网络（bp-ann）、投影寻踪回归（ppr）模型的预报结果进行对比分析。【结果】应用ga-svr、bp-ann、ppr3个模型在径流拟合阶段的预报精度较检验阶段有所下降，但是预报精度均达到了乙级水平，其中以ga-svr的预报精度最高，效果最好。【结论】ga-svr模型实现了svr参数自动化选取，较好地解决了高度非线性、小样本、过学习等问题，模型可行有效，为径流预报提供了一种新途径。