基于偏最小二乘支持向量機的水質(zhì)評價與預測研究.pdf

1、隨著人口的急劇增長和經(jīng)濟社會的飛速發(fā)展,水環(huán)境在逐步惡化,水環(huán)境面臨著巨大的保護壓力,水質(zhì)的污染問題與水環(huán)境安全問題已經(jīng)成為已經(jīng)成為全世界共同關注的焦點。對水體質(zhì)量進行合理的評價和對水質(zhì)因子進行客觀有效的預測,是實現(xiàn)水環(huán)境管理和控制的基礎性工作,具有重要的現(xiàn)實意義。
　　本文以十二五國家科技支撐計劃項目“安全保障型城市的評價指標體系與評價系統(tǒng)研發(fā)”為研究背景,對水質(zhì)的綜合預測和評價進行了相關的研究。首先介紹了水質(zhì)評價與預測的國內(nèi)外

2、研究現(xiàn)狀,然后針對水質(zhì)因子間具有的多重相關性的特點,提出了基于偏最小二乘法(Partial Least Squares,PLS)和支持向量機(Support Vector Machine,SVM)相結合的水質(zhì)預測與評價模型。本文的研究成果如下:
　　首先,核函數(shù)和參數(shù)影響著支持向量機的形式,針對參數(shù)的選擇問題,利用粒子群算法(Particle Swarm Optimization,PSO)進行參數(shù)的尋優(yōu),針對粒子群算法在搜索過程中

3、容易陷入局部最優(yōu)的問題,引入了歷史信息,使粒子在搜索過程中能夠按照最佳方向前進,同時引入了變異因子,增強其隨機變異能力避免陷入局部最優(yōu)。通過仿真實驗,與網(wǎng)格搜素法,遺傳算法,標準粒子群算法相對比,結果證明改進的粒子群算法比常用方法的準確率有了提高。
　　其次,本文針對傳統(tǒng)水質(zhì)預測主要采取單因子預測的方法,提出了一種基于綜合歷史信息的水質(zhì)預測模型,并對水質(zhì)因子數(shù)據(jù)進行了相關性分析,發(fā)現(xiàn)其有多重相關性,針對多重相關帶來的信息冗余,從而

4、引起預測精度降低的問題,引入了偏最小二乘法實現(xiàn)了水質(zhì)因子的數(shù)學降維,消除其冗余信息,通過SVM預測機進行預測。通過仿真實驗,實驗結果證明了基于綜合歷史信息和PLS-SVM的水質(zhì)預測模型的預測精度和效率更高。
　　最后,在水質(zhì)評價環(huán)節(jié),由于水體是一個由物理、化學、生物等各種因素相互作用的有機整體,污染物眾多,水質(zhì)因子多樣化,評價指標間具有相關性,提出了基于PLS-SVM的水質(zhì)評價模型。通過偏最小二乘法進行數(shù)據(jù)的壓縮和信息的提取,進行