基于偏最小二乘支持向量機(jī)的水質(zhì)評(píng)價(jià)與預(yù)測(cè)研究.pdf

1、隨著人口的急劇增長(zhǎng)和經(jīng)濟(jì)社會(huì)的飛速發(fā)展,水環(huán)境在逐步惡化,水環(huán)境面臨著巨大的保護(hù)壓力,水質(zhì)的污染問題與水環(huán)境安全問題已經(jīng)成為已經(jīng)成為全世界共同關(guān)注的焦點(diǎn)。對(duì)水體質(zhì)量進(jìn)行合理的評(píng)價(jià)和對(duì)水質(zhì)因子進(jìn)行客觀有效的預(yù)測(cè),是實(shí)現(xiàn)水環(huán)境管理和控制的基礎(chǔ)性工作,具有重要的現(xiàn)實(shí)意義。
　　本文以十二五國(guó)家科技支撐計(jì)劃項(xiàng)目“安全保障型城市的評(píng)價(jià)指標(biāo)體系與評(píng)價(jià)系統(tǒng)研發(fā)”為研究背景,對(duì)水質(zhì)的綜合預(yù)測(cè)和評(píng)價(jià)進(jìn)行了相關(guān)的研究。首先介紹了水質(zhì)評(píng)價(jià)與預(yù)測(cè)的國(guó)內(nèi)外

2、研究現(xiàn)狀,然后針對(duì)水質(zhì)因子間具有的多重相關(guān)性的特點(diǎn),提出了基于偏最小二乘法(Partial Least Squares,PLS)和支持向量機(jī)(Support Vector Machine,SVM)相結(jié)合的水質(zhì)預(yù)測(cè)與評(píng)價(jià)模型。本文的研究成果如下:
　　首先,核函數(shù)和參數(shù)影響著支持向量機(jī)的形式,針對(duì)參數(shù)的選擇問題,利用粒子群算法(Particle Swarm Optimization,PSO)進(jìn)行參數(shù)的尋優(yōu),針對(duì)粒子群算法在搜索過程中

3、容易陷入局部最優(yōu)的問題,引入了歷史信息,使粒子在搜索過程中能夠按照最佳方向前進(jìn),同時(shí)引入了變異因子,增強(qiáng)其隨機(jī)變異能力避免陷入局部最優(yōu)。通過仿真實(shí)驗(yàn),與網(wǎng)格搜素法,遺傳算法,標(biāo)準(zhǔn)粒子群算法相對(duì)比,結(jié)果證明改進(jìn)的粒子群算法比常用方法的準(zhǔn)確率有了提高。
　　其次,本文針對(duì)傳統(tǒng)水質(zhì)預(yù)測(cè)主要采取單因子預(yù)測(cè)的方法,提出了一種基于綜合歷史信息的水質(zhì)預(yù)測(cè)模型,并對(duì)水質(zhì)因子數(shù)據(jù)進(jìn)行了相關(guān)性分析,發(fā)現(xiàn)其有多重相關(guān)性,針對(duì)多重相關(guān)帶來的信息冗余,從而

4、引起預(yù)測(cè)精度降低的問題,引入了偏最小二乘法實(shí)現(xiàn)了水質(zhì)因子的數(shù)學(xué)降維,消除其冗余信息,通過SVM預(yù)測(cè)機(jī)進(jìn)行預(yù)測(cè)。通過仿真實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果證明了基于綜合歷史信息和PLS-SVM的水質(zhì)預(yù)測(cè)模型的預(yù)測(cè)精度和效率更高。
　　最后,在水質(zhì)評(píng)價(jià)環(huán)節(jié),由于水體是一個(gè)由物理、化學(xué)、生物等各種因素相互作用的有機(jī)整體,污染物眾多,水質(zhì)因子多樣化,評(píng)價(jià)指標(biāo)間具有相關(guān)性,提出了基于PLS-SVM的水質(zhì)評(píng)價(jià)模型。通過偏最小二乘法進(jìn)行數(shù)據(jù)的壓縮和信息的提取,進(jìn)行