环境监控与预警
環境鑑控與預警
배경감공여예경
ENVIRONMENTAL MONITORING AND FOREWARNING
2012年
2期
7-10
,共4页
陈蓓%徐国伟%王文超%孙小妹%孙培冬%丁彦蕊
陳蓓%徐國偉%王文超%孫小妹%孫培鼕%丁彥蕊
진배%서국위%왕문초%손소매%손배동%정언예
粒子群优化算法%支持向量机%水体水质%影响因子
粒子群優化算法%支持嚮量機%水體水質%影響因子
입자군우화산법%지지향량궤%수체수질%영향인자
以影响太湖人湖河流水质的24个因子值为研究对象,将粒子群优化算法(PSO)与支持向量机算法(SVM)相结合.PSO算法用于优化SVM算法的参数c和g,有利于快速、高效地确定c和g的全局最优值；SVM算法基于最优的c和g,分别以24,21,18,15,12,9和6个因子作为特征向量预测水质的污染程度.结果表明,当特征向量为9个影响因子时预测率最高.其参数c=18.56,g=1.35,对应的预测率为:全局预测率92.59％,重度污染水质预测率88.89％,轻度污染水质预测率94.45％.因此,通过PSO和SVM混合算法,可以确定影响太湖入湖河流水质的主要因子,利用这些主要因子对水质进行预测预警,不但可以节省时间,而且可以得到精确的结果.
以影響太湖人湖河流水質的24箇因子值為研究對象,將粒子群優化算法(PSO)與支持嚮量機算法(SVM)相結閤.PSO算法用于優化SVM算法的參數c和g,有利于快速、高效地確定c和g的全跼最優值；SVM算法基于最優的c和g,分彆以24,21,18,15,12,9和6箇因子作為特徵嚮量預測水質的汙染程度.結果錶明,噹特徵嚮量為9箇影響因子時預測率最高.其參數c=18.56,g=1.35,對應的預測率為:全跼預測率92.59％,重度汙染水質預測率88.89％,輕度汙染水質預測率94.45％.因此,通過PSO和SVM混閤算法,可以確定影響太湖入湖河流水質的主要因子,利用這些主要因子對水質進行預測預警,不但可以節省時間,而且可以得到精確的結果.
이영향태호인호하류수질적24개인자치위연구대상,장입자군우화산법(PSO)여지지향량궤산법(SVM)상결합.PSO산법용우우화SVM산법적삼수c화g,유리우쾌속、고효지학정c화g적전국최우치；SVM산법기우최우적c화g,분별이24,21,18,15,12,9화6개인자작위특정향량예측수질적오염정도.결과표명,당특정향량위9개영향인자시예측솔최고.기삼수c=18.56,g=1.35,대응적예측솔위:전국예측솔92.59％,중도오염수질예측솔88.89％,경도오염수질예측솔94.45％.인차,통과PSO화SVM혼합산법,가이학정영향태호입호하류수질적주요인자,이용저사주요인자대수질진행예측예경,불단가이절성시간,이차가이득도정학적결과.
