LS-SVM对城市用水量预测的探究

［摘要］ 介绍了最小二乘支持向量机（LS-SVM）的回归算法，给出了基于matlab的工具箱LS-SVMlab对城市用水量预测的算法步骤。选择高斯径向基核函数作为核函数，利用最小二乘支持向量机（LS-SVM）映射出城市用水量和人均综合用水量及用水人口间的非线性关系，从而建立出基于LS-SVM的，模型参数分别为的关于城市用水量的预测模型。与神经网络的预测结果相比较，该模型具有较高的预测精度和动态适应性。

［关键词］ LS-SVM；归一化人均综合用水量神经网络

参考文献：

[1] 邓乃扬，田英杰：数据挖掘中的新方法—支持向量机[M].北京：科学出版社，2004.

[2] Cristianini N., Shawe-Taylor J.. An Introduction to Support Vector Machines[M]. Cambridge University Press, 2000.

[3] 方瑞明：支持向量机理论及其应用分析[M].中国电力出版社，2007.

[4] A.K.Suykens,J.Vandewalle. Least Squares Support Vector Machine Classifiers[J]. Neural Processing Letters, 1999, 9(3) :293~300.

[5] 李晓东席升阳 潘立：基于最小二乘支持向量机的中国粮食产量预测模型研究[J].水土保持研究，2007, 14(6).

[6] 杨维, 王恩德,陈畅：应用BP神经网络预测城市需水量的探析[J].资源调查与环境,2003,24(3).

[7] 葛哲学孙志强著：神经网络理论与matlab R2007实现[M].电子工业出版社,2007.