梅雨论文梅雨 支持向量机 时间序列 网格寻优 遗传算法 粒子群优化

1、梅雨论文：基于SVM的梅雨量预测研究【中文摘要】近100多年来全球气候变化日益剧烈,各种天灾接踵而至,夏季旱涝灾害是其中重要灾害之一。长江中下游梅雨期资料对度量当地夏季旱涝是一项主要指标,因此对梅雨总量的预测研究对研究长江中下游夏季旱涝情况有重要的意义。如何通过观测有限个历史样本建立模型实现预测是寻找最优预测模型的重要工作。统计学习理论是针对小样本情况下的机器学习理论,其核心思想是通过控制学习机的复杂度实现对其推广能力的控制。在这一理论下发展起来的支持向量机(Support Vector Machines,SVM)以VC维(VC Dimension)和结构风险最小化原则(Structural

2、Risk Minimization,SRM)为基础,解决了小样本、过学习、非线性、高维数、局部小等许多实际问题。时间序列预测是智能计算中主要研究课题之一。本文主要研究的重点是根据近106a(1885-1990年)长江中下游沿江梅雨期的梅雨总量数据和49a(1954-2002年)泰州地区梅雨量数据,分别建立径向基核函数、多项式核函数的时间序列支持向量机(SVM)回归模型,并采用网格寻优参数函数、遗传算法、粒子群优化算法对模型的参数分别进行优化,然后对这六.【英文摘要】In the past 100 years or more, global climate change increasingly

3、, and kinds of natural disasters come one after another,and summer droughts and floods are one of the major disaster. The information of Meiyu in middle-lower reaches of Yangtze River is major indicators to measure droughts and floods in the middle-lower reaches of Yangtze River in summer. So predic

4、tion of Meiyu total is important in studying droughts and floods in the middle-lower reaches of Yangtze River in summer.How to create a predict.【关键词】梅雨 支持向量机 时间序列 网格寻优 遗传算法 粒子群优化【英文关键词】Meiyu SVM time series grid optimization GA PSO【索购全文】联系Q1：138113721 Q2：139938848【目录】基于SVM的梅雨量预测研究摘要3-4Abstract4第一章 绪

5、论7-131.1 引言71.2 国内外研究现状7-10 梅雨量预测研究现状7-9 支持向量机回归研究现状9-101.3 研究背景及历史意义10-111.4 论文的组织结构11-13第二章 统计学习理论与支持向量机13-232.1 统计学习理论13-17 经验风险最小化原则13-14 统计学习理论的主要思想14-172.2 支持向量机17-22 支持向量机回归原理18-222.3 本章小结22-23第三章 基于SVM的时间序列预测23-313.1 时间序列概述23-24 时间序列的概念23 时间序列的种类23-243.2 SVM时间序列预测原理24-253.3 SVM核参数的确定方法25-29 网格搜索法25-26 遗传算法26-28 粒子群优化算法28-293.4 本章小结29-31第四章 特征向量的预处理31-354.1 变量的统计特征31-334.2 样本数据归一化方法33-344.3 本章小结34-35第五章 SVM的时间序列模型在梅雨量预测中的应用35-505.1 长江中下游地区梅雨预测试验35-44 数据资料35 试验流程35-36 样本的构造36 核函数36-37 核参数的选取37 试验结果对比37-445.2 泰州地区梅雨量预测试验44-49 泰州地区梅雨量数据背景44 试验流程图44-45 样本的构造45 实验分析对比45-495.3