基于機(jī)器學(xué)習(xí)理論的水質(zhì)預(yù)測(cè)技術(shù)研究.pdf

1、水質(zhì)預(yù)測(cè)是水資源管理和污染控制的基礎(chǔ)性工作，準(zhǔn)確預(yù)測(cè)水體中污染物濃度隨時(shí)間發(fā)展變化的趨勢(shì)至關(guān)重要。目前國(guó)內(nèi)外有多種水質(zhì)預(yù)測(cè)方法，但這些方法仍存在一些缺點(diǎn)。本文討論了四種水質(zhì)預(yù)測(cè)模型，分別為支持向量回歸水質(zhì)預(yù)測(cè)模型、關(guān)聯(lián)向量機(jī)水質(zhì)預(yù)測(cè)模型、極限學(xué)習(xí)機(jī)水質(zhì)預(yù)測(cè)模型以及深度信念網(wǎng)絡(luò)水質(zhì)預(yù)測(cè)模型。
　　本文在建立支持向量回歸水質(zhì)預(yù)測(cè)模型時(shí)，采用了生物地理學(xué)優(yōu)化算法確定支持向量機(jī)的控制變量，并以該水質(zhì)預(yù)測(cè)模型對(duì)PH值、溶解氧、高錳酸鹽指數(shù)和

2、氨氮四種重要水質(zhì)指標(biāo)進(jìn)行預(yù)測(cè)。采用國(guó)家環(huán)保部發(fā)布的四川攀枝花龍洞水質(zhì)監(jiān)測(cè)時(shí)間序列數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，并與支持向量機(jī)的傳統(tǒng)控制變量尋優(yōu)方法進(jìn)行比較，結(jié)果表明改進(jìn)生物地理學(xué)尋優(yōu)方法建立的水質(zhì)預(yù)測(cè)模型效果較好。
　　支持向量機(jī)水質(zhì)預(yù)測(cè)模型中存在一些問題，如核函數(shù)必須滿足Mercer條件，支持向量的個(gè)數(shù)會(huì)隨著訓(xùn)練樣本的增加呈線性增加，且只給出確定性的預(yù)測(cè)結(jié)果，沒有概率輸出，無法估計(jì)預(yù)測(cè)的不確定性。在此基礎(chǔ)上本文提出了一種基于關(guān)聯(lián)向量機(jī)回歸的水質(zhì)

3、時(shí)間序列預(yù)測(cè)模型，并對(duì)該模型的有效性進(jìn)行了驗(yàn)證;然后將關(guān)聯(lián)向量機(jī)回歸預(yù)測(cè)模型與支持向量機(jī)回歸預(yù)測(cè)模型進(jìn)行比較。為了比較不同核函數(shù)的預(yù)測(cè)效果，實(shí)驗(yàn)中預(yù)測(cè)模型的核函數(shù)分別采用了線性函數(shù)和高斯函數(shù)，并且在應(yīng)用關(guān)聯(lián)向量機(jī)回歸預(yù)測(cè)模型時(shí)給出了置信度95％的置信區(qū)間。實(shí)驗(yàn)結(jié)果表明，關(guān)聯(lián)向量機(jī)回歸模型的預(yù)測(cè)效果不亞于支持向量機(jī)回歸模型;且在給出預(yù)測(cè)值時(shí)，還能同時(shí)給出預(yù)測(cè)結(jié)果的可信程度。
　　人工神經(jīng)網(wǎng)絡(luò)算法易出現(xiàn)過學(xué)習(xí)或欠學(xué)習(xí)、局部極小、網(wǎng)絡(luò)結(jié)