典型文献
基于GEO-RVM模型的枯水期月径流预报研究
文献摘要：
为提高枯水期月径流预测精度,研究提出金雕优化(GEO)算法与相关向量机(RVM)相融合的预测方法.基于云南省某水文站67 a的径流资料,选取预报月之前具有较好相关性的月径流作为预报影响因子,通过主成分分析(PCA)对影响因子进行降维处理,利用GEO算法优化RVM核宽度因子和超参数,建立GEO-RVM模型对该站枯水期11月、12月和次年1—4月月径流进行预报,预报结果与基于GEO算法优化的支持向量机(SVM)模型(GEO-SVM)作对比.结果表明:GEO-RVM模型对实例11月、12月和次年1—4月月径流预报的平均相对误差分别为8.59％、7.34％、5.97％、6.07％、5.99％、5.04％,预报精度优于GEO-SVM模型.GEO算法能有效优化RVM核宽度因子和超参数,GEO-RVM模型具有较好的预报精度,将其用于枯水期月径流预报是可行的.
文献关键词：
月径流预测;相关向量机;金雕优化算法;数据降维;参数优化;枯水期
中图分类号：
作者姓名：
张亚杰;崔东文
作者机构：
云南省玉溪市易门县水利局,云南 玉溪 651100;云南省文山州水务局,云南 文山 663000
文献出处：
引用格式：
[1]张亚杰;崔东文-.基于GEO-RVM模型的枯水期月径流预报研究)[J].人民珠江,2022(08):93-99
A类：
金雕优化算法
B类：
GEO,RVM,枯水期,月径流预报,月径流预测,相关向量机,水文站,降维处理,算法优化,超参数,该站,次年,流进,平均相对误差,预报精度,有效优化,数据降维
AB值：
0.164114
相似文献
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。
