粒子群優(yōu)化與支持向量機在河流水質(zhì)模擬預(yù)測中的應(yīng)用.pdf

1、水質(zhì)模擬預(yù)測是順利實現(xiàn)水環(huán)境規(guī)劃管理、水污染綜合防治等任務(wù)不可缺少的基礎(chǔ)性工作，是具有普遍意義的一項重要內(nèi)容。機理性水質(zhì)模型考慮了影響水質(zhì)變化的諸多因素，模型概念清晰，但模型參數(shù)估計比較困難，這常使其在我國許多河流系統(tǒng)中的進一步應(yīng)用受到限制。非機理性水質(zhì)模擬預(yù)測方法通常針對某一特定的水質(zhì)系統(tǒng)，通過數(shù)學(xué)統(tǒng)計或其他數(shù)學(xué)方法建立模型，也?？梢匀〉幂^好的模擬預(yù)測效果。 粒子群優(yōu)化算法是Eberhart和Kennedv通過對鳥群、魚群行為

2、的研究而提出的一種新的尋優(yōu)技術(shù)。該算法兼?zhèn)溲莼惴ê腿褐悄艿奶卣?，簡單易行且性能穩(wěn)定，在優(yōu)化問題中?？梢员憩F(xiàn)出非同尋常的求解能力。與遺傳算法類似，系統(tǒng)首先初始化為一組隨機解，群體中的每一個體稱之為粒子，粒子通過自身和群體的最優(yōu)位置來更新其速度和位置。但該算法仍存在易陷入局部最優(yōu)，且搜索精度不高等缺點，為此，本文提出了一種基于群體適應(yīng)值方差和最優(yōu)適應(yīng)值變化誤差的自適應(yīng)粒子群算法，較之標準的粒子群算法，該算法的全局搜索能力有了顯著提高，能夠

3、有效避免早熟收斂。在實際的水質(zhì)模擬預(yù)測中，機理性水質(zhì)模型的參數(shù)估值問題，通常是轉(zhuǎn)化為最小化水質(zhì)指標測量值和模擬值之間的誤差平方和。由于此類優(yōu)化問題存在多個局部極值，且具有高度非線性，用傳統(tǒng)的優(yōu)化方法很難解決，本文將自適應(yīng)粒子群算法用于此類優(yōu)化問題的求解，四個算例的測試結(jié)果表明該方法具有較高的求解精度，且操作簡單易于實現(xiàn)。 支持向量機是在VC維理論和結(jié)構(gòu)風險最小化準則的基礎(chǔ)上提出的一種新的機器學(xué)習方法，它追求的是在有限樣本下的最優(yōu)

4、解而不僅僅是樣本數(shù)趨于無窮大時的最優(yōu)解，比以經(jīng)驗風險最小化為基礎(chǔ)的神經(jīng)網(wǎng)絡(luò)算法具有更強的理論依據(jù)和更好的泛化性能。最小二乘支持向量機是標準支持向量機的改進算法，它通過將最小二乘線性系統(tǒng)引入支持向量機，代替了標準支持向量機采用二次規(guī)劃方法解決函數(shù)估計問題的做法。針對水質(zhì)模擬預(yù)測的非機理性應(yīng)用，本文嘗試將支持向量機用于河流水質(zhì)的模擬預(yù)測，建立了上游水質(zhì)影響因子和下游斷面溶解氧的輸入響應(yīng)關(guān)系，訓(xùn)練數(shù)據(jù)的模擬效果很好，預(yù)測結(jié)果也在可以接受的范圍