论文部分内容阅读
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42a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。