基于SVR的城市供水管网余氯预测分析

田一梅 吴迷芳 王阳

doi:10.11835/j.issn.1674-4764.2006.02.021

您当前的位置：

首页 >

文章列表页 >

基于SVR的城市供水管网余氯预测分析

更新时间：2023-11-28

- 基于SVR的城市供水管网余氯预测分析
- Prediction and Analyses of Residual Chlorine Based on Support Vector Regression in Urban Water Distribution System
- 土木与环境工程学报（中英文） 2006年28卷第2期页码：74-78
- 作者机构：
- 作者简介：
- 基金信息：
  
  国家“十五”科技攻关项目(2002AA601120)，天津市科委社发项目(033113111)
- DOI：10.11835/j.issn.1674-4764.2006.02.021
  中图分类号：
- 纸质出版：2006
- 稿件说明：
移动端阅览
田一梅吴迷芳王阳. 基于SVR的城市供水管网余氯预测分析[J]. 土木与环境工程学报（中英文）, 2006,28(2):74-78.

Prediction and Analyses of Residual Chlorine Based on Support Vector Regression in Urban Water Distribution System[J]. Journal of Civil and Environmental Engineering, 2006, 28(2): 74-78.
田一梅吴迷芳王阳. 基于SVR的城市供水管网余氯预测分析[J]. 土木与环境工程学报（中英文）, 2006,28(2):74-78. DOI： 10.11835/j.issn.1674-4764.2006.02.021.

Prediction and Analyses of Residual Chlorine Based on Support Vector Regression in Urban Water Distribution System[J]. Journal of Civil and Environmental Engineering, 2006, 28(2): 74-78. DOI： 10.11835/j.issn.1674-4764.2006.02.021.

摘要

支持向量机回归(SupportVector Regression SVR)算法是结构风险最小化原理在函数回归方面的应用。根据北方某城市供水管网余氯的人工采样数据

建立了基于SVR的余氯预测模型

并与人工神经网络、多元线性回归方法进行比较分析

结果表明:在有限样本情况下

SVR模型具有良好的泛化推广能力

各监测点模型预测平均相对误差为1.80%~8.73%

并可获得全局最优解

达到了实用要求

较好地解决了以往管网余氯小样本预测时

常常出现拟合精度高、预测效果较差的问题。

Abstract

Support vector regression(SVR) algorithm is an application of structural risk minimization principle in function regression.In this paper

a residual chlorine prediction model based on SVR is established by using the data of manual sampling residual chlorine of water distribution system in a certain city in the north of China.SVR model is compared with the artificial neural network and multivariate linear regression.The result shows that SVR model has better generalization ability for small samples

the predicted average relative error of all monitoring points is 1.80%~8.73%

and can achieve unique and globally optimal solutions.It is practical and can solve the problem for small samples of residual chlorine when the fit precision of model is good but the predicted effect is worse.

关键词

Keywords

references

浏览量

653

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据