收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于偏最小二乘支持向量机的水质评价与预测研究

张森  
【摘要】:随着人口的急剧增长和经济社会的飞速发展,水环境在逐步恶化,水环境面临着巨大的保护压力,水质的污染问题与水环境安全问题已经成为已经成为全世界共同关注的焦点。对水体质量进行合理的评价和对水质因子进行客观有效的预测,是实现水环境管理和控制的基础性工作,具有重要的现实意义。 本文以十二五国家科技支撑计划项目“安全保障型城市的评价指标体系与评价系统研发”为研究背景,对水质的综合预测和评价进行了相关的研究。首先介绍了水质评价与预测的国内外研究现状,然后针对水质因子间具有的多重相关性的特点,提出了基于偏最小二乘法(Partial Least Squares,PLS)和支持向量机(Support Vector Machine,SVM)相结合的水质预测与评价模型。本文的研究成果如下: 首先,核函数和参数影响着支持向量机的形式,针对参数的选择问题,利用粒子群算法(Particle Swarm Optimization,PSO)进行参数的寻优,针对粒子群算法在搜索过程中容易陷入局部最优的问题,引入了历史信息,使粒子在搜索过程中能够按照最佳方向前进,同时引入了变异因子,增强其随机变异能力避免陷入局部最优。通过仿真实验,与网格搜素法,遗传算法,标准粒子群算法相对比,结果证明改进的粒子群算法比常用方法的准确率有了提高。 其次,本文针对传统水质预测主要采取单因子预测的方法,提出了一种基于综合历史信息的水质预测模型,并对水质因子数据进行了相关性分析,发现其有多重相关性,针对多重相关带来的信息冗余,从而引起预测精度降低的问题,引入了偏最小二乘法实现了水质因子的数学降维,消除其冗余信息,通过SVM预测机进行预测。通过仿真实验,实验结果证明了基于综合历史信息和PLS-SVM的水质预测模型的预测精度和效率更高。 最后,在水质评价环节,由于水体是一个由物理、化学、生物等各种因素相互作用的有机整体,污染物众多,水质因子多样化,评价指标间具有相关性,提出了基于PLS-SVM的水质评价模型。通过偏最小二乘法进行数据的压缩和信息的提取,进行数学降维,取得不含冗余信息的新的变量,通过支持向量机进行水质评价,实验结果表明,该方法具有更高的精度和效率。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 郑立辉;苑庆山;;基于模糊综合评价的饮用水源地水质评价[J];办公自动化;2014年04期
2 朱增加;戴青松;卢高峰;王乐阳;蔡浩;;改进神经网络模型在水质评价中的应用[J];硅谷;2014年07期
3 郭庆春;赵雪茹;;基于人工神经网络的黄河水质评价[J];计算机与数字工程;2013年05期
4 邓新民,倪长健;水质评价的污染损害指数公式[J];成都信息工程学院学报;2001年04期
5 陈健;;表面活性剂在快速沉屏中的应用[J];真空电子技术;1988年01期
6 谭继光;基于目标函数的水质评价模型[J];成都气象学院学报;1995年04期
7 曹坚;钱苏翔;胡红生;;基于RBF神经网络的在线水质评价系统研究[J];机械制造;2009年01期
8 雷璐宁;石为人;范敏;;基于改进的SOM神经网络在水质评价分析中的应用[J];仪器仪表学报;2009年11期
9 张航;王一军;罗大庸;;改进的D_S证据理论及在水质评价中的应用[J];小型微型计算机系统;2010年06期
10 蒋佰权;王万森;温香彩;;改进算法的BP神经网络水质评价模型[J];计算机系统应用;2007年09期
11 王英博;王琳;董登;李仲学;;和声搜索算法改进BP网络在水质评价中的应用[J];计算机测量与控制;2012年07期
12 拓守恒;何红;李鹏飞;;基于T-S模糊神经网络模型的汉中段汉江流域水质评价与分析[J];计算机时代;2013年08期
13 曹春松;张淑芳;田丽;王殿俊;洪云;;基于RBF人工神经网络的水质评价[J];兵工自动化;2008年04期
14 张诚飚;;运用ANN-BP建模进行各类水质评价的应用研究[J];遵义医学院学报;2009年04期
15 邹国平;彭梅香;;数据挖掘技术在水质评价中应用研究[J];计算机仿真;2012年01期
16 卞建民;胡昱欣;李育松;马永祥;边静;;基于BP神经网络的辽河源头区水质评价研究[J];水土保持研究;2014年01期
17 李云辉;;集成BP网络在城市地下水水质评价中的应用[J];四川地质学报;2006年04期
18 余卫鸿;李娜;齐会芳;;模糊核支持向量机在地表水水质评价中的应用[J];黑龙江科技信息;2010年24期
19 杨江;冀海峰;张龙;龙军;张立伟;刘涵;张光新;张宏建;;预警系统中的水质评价软件开发[J];中国建设信息;2010年11期
20 蒋亚萍,陈余道;灰色关联分析在水质评价中的应用[J];桂林冶金地质学院学报;1993年03期
中国重要会议论文全文数据库 前10条
1 廖正军;;欧几里德贴近度在水质评价中的应用[A];中国中南地区模糊数学与系统分会第二届年会论文集[C];1993年
2 战培荣;赵吉伟;刘永;卢玲;赵彩霞;王海涛;王崇;董崇智;;兴凯湖鱼类及水质评价[A];中国水产学会第七届渔业资源与环境分会2004年度学术研讨会论文摘要汇编[C];2004年
3 王林;王兴泽;;水质标识指数法在太子河水质评价中的应用[A];中国水利学会2010学术年会论文集(上册)[C];2010年
4 解中辉;;基于熵权法对辽河口湿地的水质评价[A];水与水技术(第3辑)[C];2013年
5 李晓粤;周炳辰;;沧州市入海河流水水质评价与防治对策[A];变化环境下的水资源响应与可持续利用——中国水利学会水资源专业委员会2009学术年会论文集[C];2009年
6 蔡清海;杜琦;卢振彬;钱小明;方民杰;许翠娅;;福建主要港湾的水质评价[A];中国水产学会第七届渔业资源与环境分会2004年度学术研讨会论文摘要汇编[C];2004年
7 辛益群;史强;蔡云飞;;济南泉水藻类及水质评价[A];中国藻类学会第十一次学术讨论会论文摘要集[C];2001年
8 孟俊;杨海燕;张治国;;基于模糊数学法的矿井水质评价[A];矿山地质灾害成灾机理与防治技术研究与应用[C];2009年
9 胡斌武;;模糊模式识别在水质评价中的应用[A];中国系统工程学会模糊数学与模糊系统委员会第五届年会论文选集[C];1990年
10 李兰;叶守泽;;三峡工程施工期坝下游河段水质评价与自净规律研究[A];中国水利学会2001学术年会论文集[C];2001年
中国博士学位论文全文数据库 前4条
1 高学民;长江沿程河湖及城市内河水质评价与模拟研究[D];北京大学;2000年
2 马太玲;湖库水质评价及水质模拟预测方法研究[D];内蒙古农业大学;2007年
3 郭劲松;基于人工神经网络(ANN)的水质评价与水质模拟研究[D];重庆大学;2002年
4 王小云;流域环境泥沙氮、磷平衡吸附与饮用水源地水质评价[D];浙江大学;2012年
中国硕士学位论文全文数据库 前10条
1 周雪倩;基于遗传神经网络的水质评价模型优化及应用[D];四川师范大学;2008年
2 王海霞;模糊神经网络在水质评价中的应用[D];重庆大学;2002年
3 刘进涛;模糊神经网络在水质评价中的应用[D];首都师范大学;2006年
4 彭艳;基于加速遗传算法的水质评价模型优化及应用[D];四川师范大学;2007年
5 赵天龙;灰色关联分析法在淡水鱼类养殖池塘水质评价中的应用[D];广西大学;2012年
6 汤爱中;水源地水质评价及预测方法研究[D];浙江大学;2013年
7 刘梦璋;城市水源地水质评价及影响因素研究[D];河北大学;2013年
8 杜伟;基于神经网络的水质评价与预测的探索[D];天津大学;2007年
9 梁坚;支持向量机在水质评价及预测中的应用研究[D];浙江工业大学;2009年
10 高千红;概率神经网络在三峡近坝水域水质评价中的应用研究[D];河海大学;2006年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978