基于LS-SVM的月降水量预测研究

水量。首先计算最大 Lyapunov 指数为 0.21，说明该时间序列是混沌的，
并可预测。用 Liangyue Cao 算法计算嵌入维得 m=2，用C-C 算法 [13]
计算时间延迟得 τ=4。LS-SVM 模型参数设置为：[x(k),x(k-τ)] 作
为输入样本，x(k+1) 作为目标样本，RBF_kernel 作为径向基核函数，
，其 中 y 为 重 构 i
矢量，τ 为时间延迟，m 为嵌入维，T 表示转置。
1.2 Support Vector Machine,SVM)[10] 是 Vapnik
等人首先提出的。支持向量机是建立在统计学习理论（VC 维理论）和
结构风险最小化原则基础上的，在有限的样本下，能够获得最好的泛
引言 降水是生态环境对气候变化响应的一个重要变量，未来一定时 期降水量的预测，对于区域水资源规划和分配至关重要，关系国计民生。 然而，降水量受各种因素的影响，且影响程度和方式很难确定。对于 降水量的预测目前主要有两种方法 : 一种是采用统计模型进行预测； 一种是结合回归分析进行预测。这两种方法在国内外运用较为广泛， 也取得了相应的研究成果。 混沌最开始是研究天气预报的“蝴蝶效应”，从时间序列来研究 混沌，开始于 Packard 等人提出的重构相空间理论。目前，已经有很 多种方法被应用于混沌时间序列预测研究中，如基于神经网络预测和 最小二乘支持向量机预测方法。 由于气候具有一定的持续性，月降水量与过去几年的数据相关 性更大，在短期内系统的动力学特性具有一定的混沌特性。本文采 用最小二乘支持向量机 (LS-SVM) 预测方法，用前 t 年 数 据 作为 样本，以预测后一年数据。本文使用的资料是国家气候中心整编的 1951 ～ 1995 年中国 160 站月降水量资料。 1 原理及实现方法 1.1 相空间重构 要 对 混 沌 时 间 序 列 预 测， 首 先 要 进 行 相 空 间 重 构。 对 混 沌 时 间 序 列 {y(i)}， 进 行 重 构 相 空 间
还有，微电影的创作是一个团队的运作。它需要导演的统筹帷幄， 也需要队员的分工协作。拍摄场地、饮食、时间、道具、后期剪辑、配 音等问题都要自己解决。这个过程中，队员间最容易发生分歧，闹情 绪等问题，导致拍摄无法进行，甚至整个作品的创作毁于一气之间。 因此，要高质量完成作品的创作，学生必须建立强烈的团队意识，做 到随时准备为剧组牺牲自己，让每一次拍摄、每一个步骤都能够顺利 完成。如此，随着创作一步一步完成，学生的统筹能力、组织协调能力、
沟通应变能力逐步得到培养，并得到不断提高。 最后，整个创作过程中，学生所学专业课的知识均有涉及，对课
程之间的逻辑关系有了更深刻的认识。也在实践中提升了自我的审美 水平、创新能力、执行能力和技巧，学生在创作中经历几次这样的流程， 高质量的作品产出也不再是难事。
四、结语 学生通过积极创作校园微电影，学会用镜头画面代替嘴巴讲故事。 在这看似漫长却总有意想不到的收获的创作过程中，不但可以检验、 强化自己在各个流程上的知识点掌握情况；还可以培养和塑造自己的 专业素养；甚至成为自己的一项专业技能，开辟自己的创业、就业之路。
管理社区
基于 LS-SVM 的月降水量预测研究
李海波 厦门大学嘉庚学院 摘要：由于受各种因素的影响，预测降水量具有一定的难度。本文用最小二乘支持向量机（least squares support vector machine）建立了 某地区的降水量预测模型，根据月降水量资料进行了模拟预测，具有较好的预测精度，和实测月降水量具有较好的趋势吻合度。 关键词：降水量 最小二乘支持向量机 预测模型
化能力。
最 小 二 乘 支 持 向 量 机 (Least Squares Support Vector
Machine,LS-SVM) 和 SVM 的 区 别 就 在于，LS-SVM 把 SVM 中
的不等式约束变为等式约束，SVM 中的问题是 QP 问题，而在 LS-
SVM 中则简化为解一个线性方程组。与人工神经网络相比，它能克
服训练时间长、训练结果存在随机性以及过学习的不足。
LS-SVM 回 归 模 型：y(X)= ∑ α K(X,X )+b〗，其 中 K(X,X )
i
i
i
称为核函数，b 为偏置量。通过求解上述线性方程组，得到优化变量
α 和 b 的值。
2 模型应用
以某地区为研究区域，数据选取该地区 1980—1992 年每月的降
再次，虽说校园微电影创作具有门槛低，易学易会、微时长，微 周期的特点，但如若想把作品做好，便是一个很考究学生创作力、意 志力和沟通协作能力的过程。校园微电影的创作，从选题到稿本到拍 摄再到后期制作，每一步都需要学生倾注大量心血才能把作品做好。 比如，单拍摄阶段就要花掉学生的大量精力和时间。因为学生毕竟不 是专业的影视人，顶多是自身的专业涉及到部分影视课程而已，导演、 演员、摄像师等都非专业。因而不可避免的会出现拍摄中演员笑场、 演不出导演想要的效果、摄像师抓拍不及时，演员之间、演员与摄像 师之间沟通不到位、配合不默契等问题，使得拍摄过程中简单的一个 镜头可能都要 NG 重拍好几次，而一部十分钟左右的微电影差不多都 由上百个镜头组成，工作量可想而知。另外，拍摄一般只能课余进行， 时间的统一是一个极难解决的问题。比如剧组人员一致的课余时间 本来就不多，有时候就因为某个人不能到场，或是全部到场却因为某 个人的服装换洗了没晒干、道具临时出问题等，都无法进行拍摄，其 次还要考虑天气情况等问题。一个步骤就如此耗时和消磨精力，可知 学生完成一部作品是需要多强的意志力。
回归参数设置为 gam=100，核函数设置为 sig2=1。1980-1989 年共
10 年数据作为训练数据，1990 年数据作为测试数据，得到表 1 和图
1；1981-1990 年共 10 年数据作为训练数据，1991 年数据作为测试数
一样去思考镜头的机位、演员的表演，以及影片的蒙太奇思维 ...... 这 一过程是最具“头脑风暴”的，学生的创新创造力在此过程中得到提 高和升华。