谢智峰，吴润秀，吕 莉

(1.江西科技学院 信息工程学院，江西 南昌 330098；2.南昌工程学院 信息工程学院，江西 南昌 330099)

径流预测是根据径流形成规律，借助已知信息对未来某一段时间内的径流量做出定性或定量的预测，其在防汛抗旱、水资源配置和水库调度等方面发挥着重要作用[1]。径流形成受太阳活动、大气环流和人类活动等诸多因素影响，因此径流预测属于受多因素影响的非线性复杂问题。目前，径流预测的方法主要有小波分析(Wavelet Analysis，WA)[2]、时间序列分析(Time Series Analysis，TSA)[3]、人工神经网络(Artificial Neural Networks，ANN)[4]和支持向量回归(Support Vector for Regression，SVR)[5-7]等。其中，支持向量回归因在解决非线性复杂问题方面表现突出，已成为水文预测领域的常用方法之一。

群智能算法(Swarm Intelligence Algorithm，SIA)是一种新兴的仿生进化算法，具有模型简单、实现容易、鲁棒性强等特点。典型的群智能算法包括粒子群算法(Particle Swarm Optimization，PSO)[8-9]、人工蜂群算法(Artificial Bee Colony，ABC)[10-11]和萤火虫算法(Firefly Algorithm，FA)[12-14]等。由于这类算法不受优化问题的连续或可微的限制，已广泛应用于无线传感器优化[15-17]、图像压缩[18-19]和径流预测[20-22]等领域。

为获取最佳的SVR核参数组合，很多学者将群智能算法应用于SVR的参数寻优，不仅提高了参数寻优效率，而且获得了较好的泛化性能。王宏伟[23]等将遗传算法(Genetic Algorithm，GA)嵌入SVR，构建了GA-SVR预报模型，取得了较好的预报效果；畅明琦[24]等设计了基于不同预报因子的两组SVR模型，实验结果表明，多预报因子的SVR模型预测效果更佳；蒋林利[25]等提出基于粒子群和模拟退火的混合算法，实现SVR参数优化选取，实验验证了混合算法模型具备较好的泛化性能，预测精度高且稳定。……