支持向量機(jī)在水質(zhì)評(píng)價(jià)及預(yù)測(cè)中的應(yīng)用研究.pdf

1、水環(huán)境質(zhì)量的評(píng)價(jià)與預(yù)測(cè)是水環(huán)境研究的重要內(nèi)容，其目的是準(zhǔn)確反映水環(huán)境的質(zhì)量和污染狀況，預(yù)測(cè)未來的發(fā)展趨勢(shì)，是水環(huán)境管理、保護(hù)和治理的一項(xiàng)重要基礎(chǔ)性工作。
　　 目前不確定性的水質(zhì)評(píng)價(jià)方法和非機(jī)理性的水質(zhì)預(yù)測(cè)方法成為研究熱點(diǎn)，例如基于模糊理論、灰色理論的方法、人工神經(jīng)網(wǎng)絡(luò)方法都各有特點(diǎn)，但也存在一定的缺陷。支持向量機(jī)是近年來興起的一種機(jī)器學(xué)習(xí)方法，由于其突出的分類與回歸性能，在許多研究領(lǐng)域展開了廣泛的應(yīng)用與研究。本文的研究目的是改

2、進(jìn)支持向量機(jī)在水質(zhì)評(píng)價(jià)及預(yù)測(cè)中的應(yīng)用，以期提高評(píng)價(jià)客觀性和預(yù)測(cè)精度，減少人為因素的影響。本文的主要工作和成果如下：
　　 1.針對(duì)傳統(tǒng)支持向量機(jī)參數(shù)選擇過程中計(jì)算量大、參數(shù)多時(shí)難以獲得最優(yōu)參數(shù)的問題，提出了一種基于混沌粒子群算法的支持向量機(jī)參數(shù)優(yōu)選算法，采用UCI機(jī)器學(xué)習(xí)知識(shí)庫中的Iris和Wine數(shù)據(jù)集驗(yàn)證了該算法的有效性，相比網(wǎng)格搜索法縮短了搜索時(shí)間，相比遺傳算法和粒子群算法提高了分類精度。
　　 2.針對(duì)傳統(tǒng)水質(zhì)評(píng)

3、價(jià)方法受人為因素影響較大，采用混沌粒子群算法優(yōu)選參數(shù)和3-a-3多類分類方法，在太湖流域7個(gè)自動(dòng)監(jiān)測(cè)站監(jiān)測(cè)數(shù)據(jù)的基礎(chǔ)上，建立支持向量機(jī)水質(zhì)評(píng)價(jià)模型，評(píng)價(jià)了7個(gè)監(jiān)測(cè)斷面09年第20—23周的水質(zhì)狀況，評(píng)價(jià)結(jié)果比較客觀，符合實(shí)際情況，相比單因子指數(shù)法避免了過于悲觀的評(píng)價(jià)，能綜合考慮所有參評(píng)項(xiàng)目對(duì)水質(zhì)的影響，相比BP神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)法避免了網(wǎng)絡(luò)結(jié)構(gòu)變化造成不同評(píng)價(jià)結(jié)果等缺陷。
　　 3.鑒于BP神經(jīng)網(wǎng)絡(luò)結(jié)合小波在單因子水質(zhì)時(shí)間序列預(yù)測(cè)中有