支持向量機在水質(zhì)評價及預測中的應用研究.pdf

1、水環(huán)境質(zhì)量的評價與預測是水環(huán)境研究的重要內(nèi)容，其目的是準確反映水環(huán)境的質(zhì)量和污染狀況，預測未來的發(fā)展趨勢，是水環(huán)境管理、保護和治理的一項重要基礎性工作。
　　 目前不確定性的水質(zhì)評價方法和非機理性的水質(zhì)預測方法成為研究熱點，例如基于模糊理論、灰色理論的方法、人工神經(jīng)網(wǎng)絡方法都各有特點，但也存在一定的缺陷。支持向量機是近年來興起的一種機器學習方法，由于其突出的分類與回歸性能，在許多研究領(lǐng)域展開了廣泛的應用與研究。本文的研究目的是改

2、進支持向量機在水質(zhì)評價及預測中的應用，以期提高評價客觀性和預測精度，減少人為因素的影響。本文的主要工作和成果如下：
　　 1.針對傳統(tǒng)支持向量機參數(shù)選擇過程中計算量大、參數(shù)多時難以獲得最優(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參數(shù)優(yōu)選算法，采用UCI機器學習知識庫中的Iris和Wine數(shù)據(jù)集驗證了該算法的有效性，相比網(wǎng)格搜索法縮短了搜索時間，相比遺傳算法和粒子群算法提高了分類精度。
　　 2.針對傳統(tǒng)水質(zhì)評

3、價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個自動監(jiān)測站監(jiān)測數(shù)據(jù)的基礎上，建立支持向量機水質(zhì)評價模型，評價了7個監(jiān)測斷面09年第20—23周的水質(zhì)狀況，評價結(jié)果比較客觀，符合實際情況，相比單因子指數(shù)法避免了過于悲觀的評價，能綜合考慮所有參評項目對水質(zhì)的影響，相比BP神經(jīng)網(wǎng)絡評價法避免了網(wǎng)絡結(jié)構(gòu)變化造成不同評價結(jié)果等缺陷。
　　 3.鑒于BP神經(jīng)網(wǎng)絡結(jié)合小波在單因子水質(zhì)時間序列預測中有