基于支持向量機的三峽庫區(qū)水質預測與評價方法研究.pdf

1、隨著中國經濟的快速發(fā)展，水環(huán)境問題已經成為了國家重點關注的問題之一。作為全國的重點水域，三峽庫區(qū)相關水域環(huán)境能否保持良好狀態(tài)，具有極其重要的意義。水質預測與水質評價作為水環(huán)境信息化治理的基礎工作之一，在水環(huán)境治理工作中起著舉足輕重的作用。
　　本文是以國家“十一五”水專項子課題《三峽庫區(qū)水環(huán)境風險評估與預警示范平臺建設》為研究背景，對三峽庫區(qū)水質預測與評價方法進行了相關研究。首先介紹了水質預測與評價方法的研究現(xiàn)狀，然后針對三峽庫區(qū)

2、水質數(shù)據特點，提出了基于支持向量機（Support Vector Machines,SVM）的三峽庫水質預測與水質評價模型。本文的研究成果如下：
　?、偈紫柔槍VM建模時，參數(shù)選擇是其中最關鍵的環(huán)節(jié)之一。這里采用遺傳算法來對SVM模型進行參數(shù)優(yōu)化。然而傳統(tǒng)的遺傳算法容易出現(xiàn)早熟、陷入局部收斂等問題，基于自適應遺傳算法(Adaptive Genetic Algorithm,AGA)提出變種群數(shù)的AGA對SVM模型進行參數(shù)優(yōu)化。并通

3、過仿真實驗，將其與網格法、傳統(tǒng)遺傳算法、AGA算法以及變種群數(shù)的AGA算法在SVM中的參數(shù)優(yōu)化效率進行了對比，證明變種群數(shù)的AGA算法在SVM參數(shù)尋優(yōu)中更有效率。
　　②本文針對三峽庫區(qū)水質數(shù)據含有缺失，并具有周期性、波動性、隨機性等特點，提出一種針對復雜非線性水質數(shù)據的預測模型。該模型采用改進的指數(shù)平滑法分別針對原始數(shù)據的單點缺失和連續(xù)多點缺失進行填補；差分自回歸移動平均模型（Autoregressive Integrated

4、Moving Average Model,ARIMA）對水質數(shù)據線性部分進行預測；SVM對水質數(shù)據非線性部分進行預測，并用變種群數(shù)的AGA算法對SVM進行參數(shù)優(yōu)化，最后將以上預測結果相加，得出最終預測結果。通過實驗分析，本文提出的預測模型具有較好的預測效果，相比其它模型預測精度更高。
　　③針對三峽庫區(qū)水質情況復雜、污染源種類繁多、評價指標相關性高等特點，提出了基于主成分分析(Principal Component Analysi