作者：王龙强来水量预测模型
摘要：由于中小河流径流量复杂的变化特征,来水量有效预测模型建立较为困难,建立来水量预测的支持向量机模型,并对支持向量机进行了优化,选取河流径流量的数据样本对模型进行训练与预测,与实际值进行比较,同时用BP神经网络模型对相同的数据样本进行预测,并对两种模型的预测数据进行分析比较,结果表明,改进的支持向量机(PSO-SVM)具有较高的预测精度。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
《水科学与工程技术》（CN：13-1348/TV）是一本有较高学术价值的大型双月刊，自创刊以来，选题新奇而不失报道广度，服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《水科学与工程技术》是我国水利科技期刊发展的先行者，是我国"水科学"与"工程技术"行业的主要宣传阵地。从根治海河到南水北调，她是我国水利建设的参与者和见证者，为水利建设者们积累了宝贵的科技资料，也为推动工程建设、科技交流和水利发展做出了不可磨灭的贡献。
北大期刊、统计源期刊
人气 542278 评论 58
人气 228832 评论 63
省级期刊
人气 186046 评论 72
北大期刊
人气 161958 评论 69
