基于高斯过程回归模型的径流短期预测研究

发布时间：2023-08-05 17:53

　　为寻求更为精确的径流量预测方法,研究利用传统BP神经网络、支持向量机(SVM)以及高斯过程回归(GP)三种模型对径流量进行预测,并以广西天峨水文站日入库径流量为例进行预测实践和分析。结果表明,高斯过程回归模型对径流短期预测具有较高精度,预测平均相对误差绝对值为1.29%,最大相对误差绝对值为2.71%,预测精度和泛化能力均优于传统BP神经网络模型和支持向量机模型,是进一步提高径流预测精度的有效方法。

【文章页数】：4 页

【文章目录】：
0 引言
1 GP基本原理及算法的实现
    1.1 高斯过程基本原理[18]
    1.2 算法过程的实现
2 工程实例应用
3 结语



本文编号：3839075