基于阴阳对算法优化的随机森林与支持向量机组合模型及径流预测实例

发布时间：2021-12-22 03:26

　　提出一种基于阴阳对（YYPO）算法优化的随机森林（RF）与支持向量机（SVM）组合预测方法,利用YYPO算法对RF、SVM关键参数和组合权重系数进行优化,构建YYPO-RF-SVM预测模型,并与YYPO-RF、YYPO-SVM模型及RF、SVM模型作对比分析,以某水文站年径流预测为例进行实例研究。利用实例前30 a、中间14 a和后10 a资料对YYPO-RF-SVM等5种模型进行训练、检验和预测。结果表明,YYPO-RF-SVM模型对实例训练、检验和预测的平均相对误差绝对值分别为2.76%、4.64%、3.02%,精度均高于YYPO-RF等4种模型。YYPO-RF-SVM模型具有更高的预测精度和泛化能力,可为水文预测预报和相关预测研究提供参考和借鉴。 

【文章来源】：人民珠江. 2019,40(03)

【文章页数】：6 页

【部分图文】：

实例年径流训练—检验—预测相对误差效果

检验—预测结果及其比较样本评价指标YYPO－RF－SVM模型YYPO－RF模型YYPO－SVM模型RF模型SVM模型训练样本(前30a)MRE/%2.764.313.083.553.31MaxRE/%9.6916.9912.8213.476.51检验样本(中间14a)MRE/%4.648.404.919.8814.69MaxRE/%13.0318.3716.5541.6145.51预测样本(后10a)MRE/%3.024.985.886.577.28MaxRE/%6.919.619.5211.8220.6754a样本DC0.98210.95120.97020.93900.9101注:加粗内容为最优预测指标值图1实例年径流训练—检验—预测相对误差效果图2实例年径流训练—检验—预测效果73

【参考文献】：
期刊论文
[1]基于小波支持向量机的径流预测性能优化分析[J]. 周婷,金菊良,李荣波,纪昌明,李继清.  水力发电学报. 2017(10)
[2]一种基于粒子群算法优化的加权随机森林模型[J]. 王杰,程学新,彭金柱.  郑州大学学报(理学版). 2018(01)
[3]基于改进网格搜索算法的随机森林参数优化[J]. 温博文,董文瀚,解武杰,马骏.  计算机工程与应用. 2018(10)
[4]基于随机森林算法的矿井涌水量预测[J]. 黄永刚,李龙.  煤炭技术. 2017(01)
[5]鸟群算法-投影寻踪回归模型在多元变量年径流预测中的应用[J]. 崔东文,金波.  人民珠江. 2016(11)
[6]几种智能算法与支持向量机融合模型在中长期月径流预测中的应用[J]. 崔东文.  华北水利水电大学学报(自然科学版). 2016(05)
[7]花授粉算法-BP神经网络模型及其在月径流预报中的应用[J]. 崔东文,金波.  人民珠江. 2016(04)
[8]基于小波分解的投影寻踪自回归组合模型及其在年径流预测中的应用[J]. 纪昌明,李荣波,张验科,刘丹,张培,杜拉.  水力发电学报. 2015(07)
[9]免疫粒子群算法与支持向量机在枯水期月径流预测中的应用[J]. 李月玉,李磊.  水资源与水工程学报. 2015(03)
[10]改进RBF-Adaboost模型及其在年径流预测中的应用[J]. 黄剑竹.  人民珠江. 2015(01)



本文编号：3545670