典型文献
帷幕灌浆量区间预测的Bootstrap-IGWO-SVM模型研究
文献摘要：
由于帷幕灌浆注灰量预测过程中存在地质参数、预测模型和输入数据的不确定性,传统的点预测结果存在误差,并且难以对不确定性进行量化.针对上述问题,本研究提出基于Bootstrap方法和改进灰狼算法的支持向量机(Bootstrap-IGWO-SVM)的帷幕灌浆量区间预测模型,量化了预测模型的不确定性.首先通过Bootstrap算法对初始训练集抽样生成样本数据集;其次,通过灰狼优化算法对惩罚因子C、RBF核函数方差g和损失因子p进行参数寻优,提高SVM算法的预测精度;再次,利用非线性收敛因子、动态权重因子、概率混沌图谱和Levy飞行对灰狼算法进行改进,解决灰狼算法局部搜索和全局搜索的平衡问题;最后,对构建的数据集分别使用IGWO-SVM算法和随机森林方法分别预测得到系统误差和随机误差,并将两者累加得到总体误差,进而通过构建正态分布模型得到注灰量区间预测结果,实现了预测模型不确定性的量化.结果 表明,改进的IGWO-SVM的预测精度为RMSE=85.32,R2=0.53,MAE=45.64,相比GWO-SVM方法(RMSE=96.58,R2=0.40,MAE=48.45)明显提升,相比BP神经网络算法(BPNN),极限学习机(ELM)存在明显精度优势;在置信度为99％下预测区间覆盖率(PICP)、预测区间宽度(MPIW)和宽度综合指标(CWC)分别为98.71％、363.59 kg/m、363.59 kg/m.
文献关键词：
灌浆量预测;改进的灰狼优化算法;支持向量机;区间预测;帷幕灌浆
中图分类号：
作者姓名：
李凯;任炳昱;关涛;余佳;王佳俊
作者机构：
天津大学水利工程仿真与安全国家重点实验室,天津 300350
文献出处：
引用格式：
[1]李凯;任炳昱;关涛;余佳;王佳俊-.帷幕灌浆量区间预测的Bootstrap-IGWO-SVM模型研究)[J].水力发电学报,2022(10):18-29
A类：
MPIW,灌浆量预测
B类：
帷幕灌浆,区间预测,Bootstrap,IGWO,地质参数,输入数据,点预测,改进灰狼算法,初始训练,训练集,样本数据集,惩罚因子,RBF,核函数,参数寻优,非线性收敛因子,动态权重,权重因子,混沌,Levy,局部搜索,全局搜索,平衡问题,随机森林方法,系统误差,随机误差,累加,加得,正态分布,分布模型,模型不确定性,确定性的,RMSE,MAE,神经网络算法,BPNN,极限学习机,ELM,置信度,预测区间,PICP,区间宽度,综合指标,CWC,改进的灰狼优化算法
AB值：
0.344349
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
