选择径向基核函数建立地下水位ε-SVR预测模型,基于遗传算法实现惩罚因子C、核函数参数γ和不敏感损失函数参数ε的自适应优选,并运用建立的模型对某地傍河试验井地下水位进行预测。结果表明:基于GA参数优选的ε-SVR模型对训练样本的拟合误差平方和仅为0.0022,回归系数达到0.9933,检验样本拟合结果平均相对误差仅为1.28%。这与人工神经网络模型相比,无论是对训练样本的拟合能力,还是对检验样本的泛化能力均有较大程度的提高,说明基于GA参数优选的ε-SVR模型可以很好地应用于进行地下水位预测。
陈海洋,滕彦国,王金生.基于GA参数优选的ε-SVR地下水位预测方法[J].水资源保护,2011,27(4):15-18.(.[J]. Water Resources Protection,2011,27(4):15-18.(in Chinese))