基于支持向量回歸的水質預測研究.pdf

1、水質預測是水資源管理和污染控制的基礎性工作,建立數(shù)學模型,準確地進行水質預測,是進行水污染管理的有效手段。目前,有關水質預測的方法很多,但是沒有一個通用的水質預測模型。在進行水質預測時,選用模型的任意性較大。支持向量回歸(Support Vector Regression,SVR)是基于VC維理論和結構風險最小化準則而提出的一種新的機器學習方法,在解決小樣本、非線性及高維模式識別中表現(xiàn)出許多優(yōu)勢。
　　 本文針對水環(huán)境系統(tǒng)的復雜

2、性,嘗試將SVR算法用于水質預測,并進行應用分析。該研究豐富了水質預測的理論和方法,為水環(huán)境監(jiān)控管理提供了科學的技術支持,具有實際應用價值。
　　 以山東省小清河流域某斷面的水質監(jiān)測數(shù)據(jù)為實驗對象,構建了SVR時間序列預測模型,計算一定時期內的化學需氧量(Chemical Oxygen Demand,簡稱COD)濃度和氨氮濃度。SVR預測模型通過調整輸入變量可選擇不同的模型參數(shù)用于參數(shù)尋優(yōu),結合實驗分析了懲罰系數(shù)、不敏感系數(shù)以及

3、徑向基核函數(shù)參數(shù)對模型精度的影響,找出最佳參數(shù),進行水質預測。預測結果與BP神經網絡預測模型作比較分析,實驗表明,SVR模型的平均預測誤差為0.39％,低于BP神經網絡的0.85%。從整體預測效果來看,SVR預測性能優(yōu)于BP神經網絡,預測結果更能反映水質真實情況,能夠準確預報可能發(fā)生的水質污染事故。
　　 文中探討了SVR預測模型在水質自動監(jiān)測與預警系統(tǒng)的應用。在山東省水質自動監(jiān)測站管理系統(tǒng)的基礎上,引入水質預警技術,構建了水質