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

摘要：

针对支持向量机（SVM）最佳算法参数难以确定以及基本粒子群算法（PSO）易陷入局部极值等不足，提出免疫粒子群算法（IAPSO），利用IAPSO算法搜寻SVM学习参数，构建IAPSO－SVM预测模型，并与PSO－SVM、GA－SVM模型作为对比，以云南省某水文站枯水期月径流预测为例进行实例研究，利用实例前43年和后10年资料对模型进行训练和预测。结果表明：IAPSO－SVM模型对实例后10年枯水期1－3月月均径流预测的平均相对误差绝对值分别为3．32％、6．52％和6．55％，精度优于PSO－SVM和GA－SVM模型，表明IAPSO－SVM模型具有较高的预测精度和泛化能力。 IAPSO算法利用浓度选择机制及免疫接种原理，改进了基本粒子群优化算法的全局寻优能力和收敛速度，具有较强的全局寻优能力。利用IAPSO算法优化得到的SVM学习参数可有效提高SVM模型的预测精度和泛化能力。

关键词：月径流、径流预测、免疫粒子群算法、支持向量机、参数优化、枯水期

分类号：TV121.5;P333.1(水利工程基础科学)

在线出版日期：2015-07-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：124-128,135