核主成分支持向量机模型在蒸发预测中的应用

摘要：

利用核主成分分析(KPCA)对输入数据进行非线性特征信息提取，并将提取的特征信息作为最小二乘支持向量机(LSSVM)的输入变量，建立KPCA_SVM预测模型。以和田县的月蒸发量为例，对模型的预测效果进行检验。预测结果表明，KPCA_SVM模型的预测效果优于没有特征提取的LSSVM模型。与主成分分析(PCA)提取特征相比，KPCA特征提取效果更好。

关键词： 核主成分分析 支持向量机 蒸发量预测 KPCASVM模型 非线性特征 信息提取

作者: 邵年华 沈冰 秦胜英 戴玉萍

作者单位: 西安理工大学西北水资源与环境生态教育部重点实验室，陕西 西安 710048 新疆和田河管理局，新疆 和田 848000

会议类型: 国内会议

会议名称: 水文模型国际研讨会

会议地点: 北京

会议语种:中文

页码: 163-167

在线出版日期: 2009-10-24（万方平台首次上网日期，不代表论文的发表时间）