论文部分内容阅读
为解决BP神经网络结构较难确定以及过学习的问题，在对时用水量序列进行相关分析的基础上，建立了基于ν-支持向量机（ν-SVM）的时用水量预测模型．ν-SVM算法通过引入参数ν代替传统支持向量机算法的不敏感系数占，有效地控制支持向量个数．实例分析结果表明，与基于BP网络的预测模型和基于传统SVM的预测模型相比，基于ν-SVM的时用水量预测模型建模速度更快，预测精度更高．