支持向量机在水利水电工程中应用分析.docVIP

支持向量机在水利水电工程中应用分析 　　摘要：支持向量机法属于在样本数量有限状态下，对高度非线性进行处理的新型的机器学习方法，并且该方法相对于BP神经网络法来说，其泛化能力以及计算的效率更好。本文主要采用了支持向量机法对水利水电工程中的径流预测进行了研究，有利于未来支持向量机在水利水电工程中的应用与发展。 　　关键词：支持向量机；水利水电工程；径流预测；应用分析 　　Abstract: the support vector machine method in a limited number of samples belonging to the state, learning method for processing the new machine for highly nonlinear, and the method is compared with the BP neural network method, its generalization ability and computational efficiency is better. This paper mainly uses the support vector machine method for runoff prediction in water conservancy and hydropower projects are studied, is conducive to the future development and application of support vector machine in water conservancy and hydropower engineering. 　　Keywords: support vector machine; water resources and Hydropower Engineering; runoff forecast; application analysis 　　[中图分类号] TV737[文献标识码]A[文章编号] 　　我们国家水电装机的容量已经超过了1亿KW，属于全国发电装机总容量的1/4，满足整个国家1/5的电力需求。最近几年，我国的用电总量发生了较快的增长，许多地区甚至出现了煤电紧张的情况。然而，由于我们国家的水资源比较丰富，而水资源中蕴藏的电能理论值高达6.94亿KW，即使开发的容量也有5.42亿KW，因此，为了解决煤电紧张问题，我们需要对水利水电工程进行开发与建设。在水力发电的过程中会出现许多问题，本文主要介绍了支持向量机的相关理论以及其在水利水电工程中的应用。 　　一、支持向量机的基本理论 　　支持向量机于20世纪90年代被提出，属于一种以小样本为基础的新型统计方法，其在机器学习领域中集成了许多技术标准，例如稀疏解、最大超平面、松弛变量、Mercer核以及凸二次规划等，由于支持向量机能够应用于各种类型的挑战中，因此，它受到了许多技术学者的青睐。通过实际研究发现，支持向量机不仅结构较为简单，而且推广能力也很强，主要是针对于两类分类提出的，因此，如何把两类分类的方法进行多类别分类的扩展，是研究支持向量机的主要内容。 　　同神经网络的传统方法比较可以看出，支持向量机方法能够用最小的结构风险来代替经验风险，并对二次型的寻优问题进行求解。理论来看，求解的结果应该属于全局中的最优点，进而处理了神经网络法中没有解决的局部性极值问题。在支持向量机的拓扑结构中，结构的主要支撑框架是由支持向量来决定的，这就避免进行相关的经验试凑。与此同时，利用支持向量机方法还可以以任意一个精度来逼近函数，并且具有比较好的泛化的性能。这在解决非线性的、小样本的以及高维的模式识别过程中，能够表现许多优势，能够将其推广到概率密度的估计以及函数的逼近等问题中。现如今，支持向量机方法在模式识别、概率密度的估计以及回归估计等方向均有各自灵活地应用。 　　二、支持向量机在水利水电工程中的应用 　　我们知道，由于径流预报对于水库的防洪、作物的灌溉以及水力发电等具有重要的意义，因此，对径流进行科学预报是水利水电工程中非常重要的环节。径流的形成不仅涉及到气象、水文等自然条件，还关系到物理、力学等过程，属于比较复杂的高度非线性系统。下面我们主要介绍支持向量机在径流预报中的应用。 　　（一）建模的方式 　　首先对样本进行归一化处理，我们知道，归一化处理可以避免因子之间所产生的量级性差异，进而消除因子之间因为单位与量纲的不同而导致的影响。我们利用下面的式子对样本参数进行归一化处理： 　　 　　式中，表示归一化之前的变量，而表示归一化之后的变量。 　　其次确定样本的核函数，我们知道，核函数对于算法