中国环境科学
中國環境科學
중국배경과학
CHINA ENVIRONMENTAL SCIENCE
2015年
2期
478-483
,共6页
汤斌%赵敬晓%魏彪%蒋上海%罗继阳%Vo Quang Sang%冯鹏%米德伶
湯斌%趙敬曉%魏彪%蔣上海%囉繼暘%Vo Quang Sang%馮鵬%米德伶
탕빈%조경효%위표%장상해%라계양%Vo Quang Sang%풍붕%미덕령
水质COD%紫外-可见光谱法%预测模型%PCA%PSO_LSSVM
水質COD%紫外-可見光譜法%預測模型%PCA%PSO_LSSVM
수질COD%자외-가견광보법%예측모형%PCA%PSO_LSSVM
water quality COD%UV-Vis spectroscopy%prediction model%PCA%PSO_LSSVM
针对紫外-可见光谱法检测水质COD预测模型的精度低和收敛速度慢等问题,研究了一种基于粒子群算法联合最小二乘支持向量机(PSO_LSSVM)的水质检测COD预测模型优化方法,并引入主元分析(PCA)算法对模型输入光谱数据进行降维预处理,借以提高模型的收敛速度.结果表明,利用粒子群(PSO)算法收敛速度快和全局优化能力,优化了最小二乘支持向量机(LSSVM)模型的惩罚因子和核函数参数,避免了人为选择参数的盲目性,克服了传统LSSVM预测模型的精度较低、稳健性较差等缺点.通过以收敛时间、预测平均相对误差(MRE)和均方根误差(RMSE)为评价标准进行评估,输入样本经过PCA降维预处理的PSO_LSSVM模型的预测能力和输入样本未经过降维预处理的LSSVM模型与PSO_LSSVM模型进行了比较分析,输入样本经过PCA降维预处理的PSO_LSSVM模型预测效果最优,且此算法使用C语言实现,易于移植,这为紫外-可见光谱水质COD在线、实时性检测奠定了基础.
針對紫外-可見光譜法檢測水質COD預測模型的精度低和收斂速度慢等問題,研究瞭一種基于粒子群算法聯閤最小二乘支持嚮量機(PSO_LSSVM)的水質檢測COD預測模型優化方法,併引入主元分析(PCA)算法對模型輸入光譜數據進行降維預處理,藉以提高模型的收斂速度.結果錶明,利用粒子群(PSO)算法收斂速度快和全跼優化能力,優化瞭最小二乘支持嚮量機(LSSVM)模型的懲罰因子和覈函數參數,避免瞭人為選擇參數的盲目性,剋服瞭傳統LSSVM預測模型的精度較低、穩健性較差等缺點.通過以收斂時間、預測平均相對誤差(MRE)和均方根誤差(RMSE)為評價標準進行評估,輸入樣本經過PCA降維預處理的PSO_LSSVM模型的預測能力和輸入樣本未經過降維預處理的LSSVM模型與PSO_LSSVM模型進行瞭比較分析,輸入樣本經過PCA降維預處理的PSO_LSSVM模型預測效果最優,且此算法使用C語言實現,易于移植,這為紫外-可見光譜水質COD在線、實時性檢測奠定瞭基礎.
침대자외-가견광보법검측수질COD예측모형적정도저화수렴속도만등문제,연구료일충기우입자군산법연합최소이승지지향량궤(PSO_LSSVM)적수질검측COD예측모형우화방법,병인입주원분석(PCA)산법대모형수입광보수거진행강유예처리,차이제고모형적수렴속도.결과표명,이용입자군(PSO)산법수렴속도쾌화전국우화능력,우화료최소이승지지향량궤(LSSVM)모형적징벌인자화핵함수삼수,피면료인위선택삼수적맹목성,극복료전통LSSVM예측모형적정도교저、은건성교차등결점.통과이수렴시간、예측평균상대오차(MRE)화균방근오차(RMSE)위평개표준진행평고,수입양본경과PCA강유예처리적PSO_LSSVM모형적예측능력화수입양본미경과강유예처리적LSSVM모형여PSO_LSSVM모형진행료비교분석,수입양본경과PCA강유예처리적PSO_LSSVM모형예측효과최우,차차산법사용C어언실현,역우이식,저위자외-가견광보수질COD재선、실시성검측전정료기출.
