基于混合策略改进SSA-SVM的工业用水量预测

曹敬椿; 卢敏

doi:10.20040/j.cnki.1000-7709.2023.20222434

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于混合策略改进SSA-SVM的工业用水量预测

水文水资源与环境 | 更新时间：2026-02-25

- 基于混合策略改进SSA-SVM的工业用水量预测
- 基于混合策略改进SSA-SVM的工业用水量预测
- 水电能源科学 2023年第9期页码：28-31
- 作者机构：
  
  1. 云南省水利水电勘测设计研究院
  2. 云南农业大学水利学院
- 作者简介：
- 基金信息：
- DOI：10.20040/j.cnki.1000-7709.2023.20222434
  中图分类号： TV213.4;TP18
- 纸质出版：2023
- 稿件说明：
移动端阅览
曹敬椿, 卢敏. 基于混合策略改进SSA-SVM的工业用水量预测[J]. 水电能源科学, 2023,(9):28-31.

曹敬椿, 卢敏. 基于混合策略改进SSA-SVM的工业用水量预测[J]. 2023, (9): 28-31.
曹敬椿, 卢敏. 基于混合策略改进SSA-SVM的工业用水量预测[J]. 水电能源科学, 2023,(9):28-31. DOI： 10.20040/j.cnki.1000-7709.2023.20222434.

曹敬椿, 卢敏. 基于混合策略改进SSA-SVM的工业用水量预测[J]. 2023, (9): 28-31. DOI： 10.20040/j.cnki.1000-7709.2023.20222434.

摘要

为实现工业用水量预测和提高预测精度，引入混合策略对麻雀搜索算法(SSA)进行优化以提高全局搜索能力，采用改进后的麻雀搜索算法(ISSA)优化支持向量机(SVM)参数，建立基于混合策略改进麻雀搜索算法优化的支持向量机模型(ISSA-SVM)

并将该模型应用于宁夏的工业用水量预测中。结果表明，ISSA-SVM模型寻优速度快、训练和预测精度高，将其应用于工业用水量预测中具有良好的适用性和可行性。

Abstract

关键词

Keywords

references

工业用水量预测研究[D]. 闫文晶.华北水利水电大学,2022(02)

基于GASA-SVR的园区短期需水预测方法[D]. 赵晓东.河北工程大学,2019(02)

一种新型的群智能优化技术的研究与应用[D]. 薛建凯.东华大学,2020(01)

Learning Performance of Weighted Distributed Learning With Support Vector Machines.[J]. Zou Bin;Jiang Hongwei;Xu Chen;Xu Jie;You Xinge;Tang Yuan Yan.IEEE transactions on cybernetics,2021

多策略混合的改进麻雀搜索算法[J]. 回立川;陈雪莲;孟嗣博.计算机工程与应用,2022(16)

多策略灰狼算法优化SVM的尾矿坝地下水位预测[J]. 胡军;邱俊博.矿冶工程,2021(03)

基于Sobol序列和纵横交叉策略的麻雀搜索算法[J]. 段玉先;刘昌云.计算机应用,2022(01)

水资源保护的新内涵：“量-质-域-流-生”协同保护和修复[J]. 王浩;王建华;胡鹏.水资源保护,2021(02)

基于改进纵横交叉算法的电网最优潮流计算[J]. 曾琮;黄强;陈德;郑晓莹;孟安波.中国电力,2021(09)

基于GA-BP神经网络的城市用水量预测[J]. 武风波;赵盼;吕茜彤.现代电子技术,2020(08)

工业用水量测算方法及应用[J]. 周申蓓;刘亚灵;郑士鹏;孙淑云.水利经济,2017(01)

浏览量

146

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于麻雀搜索算法优化支持向量机的区域水资源安全评价

基于VMD的供水管道漏损检测研究

基于机器学习的梅雨分型及其降水量预测研究

基于LHS-SSA-BPNN的地下厂房支护优化方法

群智能算法在月径流预测支持向量机建模中的适应性研究