摘要：为有效地利用墒情监测资料预测未来墒情，考虑支持向量机的结构风险最小化准则和自由搜索算法良好的全局优化特点，应用最小二乘支持向量机方法，构造了优化目标函数，引入自由搜索算法对该目标函数寻优从而辨识模型参数，建立了预测墒情的最小二乘支持向量机（LS—SVM）模型．实例分析表明，支持向量机方法对墒情序列的平稳性要求不高，且模型易于实现，与传统的时间序列模型以及基于粒子群算法和鱼群算法的LS—SVM模型相比，基于自由搜索算法的LS—SVM模型具有较好的模拟及预测精度，相对误差小于15％的模拟值及预测值分别达到了100％和94．4％．

关键词：时间序列分析 支持向量机 自由搜索 粒子群算法 鱼群算法 

单位：河海大学南方地区高效灌排与农业水土环境教育部重点实验室 南京210098 河海大学水利水电学院 南京210098 东北农业大学水利与建筑学院 哈尔滨150030