郑 辉， 梁晓龙， 刘东岳

(石家庄职业技术学院 食品与药品工程系，河北 石家庄 050081)

随着城市化进程的加快，水资源逐渐成为制约城市发展的瓶颈.城市需水量的科学预测，有利于水资源优化配置，更好地发挥水资源效益.序列法、回归分析法等[1-2]的预测结果具有一定的波动性，且精度不高；灰色理论[3]在使用过程中需要构造大量的白化函数，工作量大，且普适性、通用性较差；BP(Back Propagation)神经网络法[4]不但存在容易陷入局部极值的问题，而且对BP神经网络隐节点个数的确定缺少理论依据.

支持向量机(SVR)模型[5-7]可以将复杂、高维的非线性问题映射到线性空间，用于解决高维、非线性、小样本的问题，模型在优化过程中具有收敛速度快，泛化能力强的特点.捕鱼策略优化算法是模拟渔夫捕鱼行为而提出的一种集群优化算法[8]，具有搜索速度快，不易陷入局部极值，优化精度高的特点，在调度、管理、TSP(Traveling Salesman Problem)求解等方面有广泛的应用.

本文将捕鱼策略优化算法与SVR模型相结合，优化SVR模型参数，进行城市需水量预测，以期为优化水资源配置提供参考.

1 预测模型的构成

1.1 SVR模型

SVR模型的工作机理是：在线性可分空间中寻找一个分类超平面，在保证精度的前提下使待分类数据与超平面之间的空白区域最大化，SVR在理论上可以寻找到线性可分数据的分类超平面；引入核函数可以将线性不可分数据变换到多维线性空间，实现对线性不可分数据的线性分类.在此基础上引入Lagrange乘子法能将优化问题转化为线性方程组的求解问题，见公式(1).