摘要
针对水库调度函数的复杂性、非线性,以及水文资料的有限性,尝试用支持向量机技术建立水库优化调度函数。不同于神经网络等传统以训练误差最小化作为优化目标,SVM采用结构风险最小化原则,把训练误差作为优化问题的约束,以置信范围最小化作为优化目标。因此,SVM的泛化能力要明显优于神经网络等传统学习方法。以洪家渡水电站42 a的径流资料对不同算法进行了比较,证明SVM方法的调度函数具有更好的性能。
出处
《人民长江》
北大核心
2007年第1期8-9,104,共3页
Yangtze River
基金
科技部重大基础研究前期研究专项资助项目(2004CCA02500)
