基于回归支持向量机的指标规范值的水质评价模型
Model of water quality evaluation with normalized indexes values based on regression support vector machines
查看参考文献17篇
|
文摘
|
传统的回归支持向量机的水质评价模型不具有普适性和通用性,当指标较多时,模型的学习效率和求解精度均会受到影响.若适当设定3类水体(地表水、地下水和富营养化水体)各项指标的参照值及指标值的规范变换式,使不同指标的同级标准的规范值差异不大,从而可以认为用规范值表示的不同指标皆"等效"于某个规范指标.因此,可建立用规范值表示的任意m项指标组合皆适用的水质评价的回归支持向量机模型.通过实例对模型的实用性进行了效果检验,结果表明:用基于回归支持向量机的指标规范值的水质评价模型对河桥地表水、黑龙洞泉域地下水和山仔水库富营养化水体的水质评价结果与用BP神经网络评价法、模糊综合评价法和属性识别评价法的评价结果基本一致. |
|
其他语种文摘
|
Generally, the traditional method to evaluate the water quality using regression support vector machine is not an universal way. The learning efficiency and the accuracy will be significantly influenced due to the increase of the number of the index. For three different water bodies (surface water, groundwater and eutrophic water body), the present study sets the proper reference values and normalized transformation forms for all the indexes of them. The differences among all the indexes will be decreased for the same quality level water after the normal transformation, and the different indexes represented with normalized values can be equivalent to a certain value. Therefore, it is possible to build the water quality evaluation model using regression support vector machines (SVR) with any combination of m(2≤m≤72) normalized indexes. The practicality of the model was verified by samples from HeQiao surface water, HeiLongDong spring groundwater and eutrophication of SanZi reservoir. The evaluation gets the similar results with the evaluations using BP neural network, fuzzy sets and attribute recognition evaluationary methods. |
|
来源
|
中国环境科学
,2013,33(8):1502-1508 【核心库】
|
|
关键词
|
指标
;
规范变换
;
水质评价
;
回归支持向量机
;
模型
|
|
地址
|
1.
成都信息工程学院, 四川, 成都, 610041
2.
中国科学院水利部成都山地灾害与环境研究所, 四川, 成都, 610041
|
|
语种
|
中文 |
|
文献类型
|
研究性论文 |
|
ISSN
|
1000-6923 |
|
学科
|
环境质量评价与环境监测 |
|
基金
|
国家自然科学基金资助项目
;
科技基础性工作专项项目
|
|
文献收藏号
|
CSCD:4913301
|
参考文献 共
17
共1页
|
|
1.
Cortes C. Support vector networks.
Machine Learning,1995,20:273-297
|
被引
2249
次
|
|
|
|
|
2.
Scholkopf B. New support vector algorithms.
Neural Computation,2000,12(5):1207-1245
|
被引
175
次
|
|
|
|
|
3.
Napnik V N.
The Nature of Statistical Learning Theory,1995:70-256
|
被引
1
次
|
|
|
|
|
4.
Hao P Y. Fuzzy regression analysis by support vector learning approach.
IEEE Trans on Fuzzy Systems,2008,16(2):428-441
|
被引
10
次
|
|
|
|
|
5.
顾燕萍. 最小二乘支持向量机的算法研究.
清华大学学报（自然科学版）,2010,50(7):1063-1066,1071
|
被引
62
次
|
|
|
|
|
6.
徐红敏. 支持向量机回归算法及其应用.
石油化工学院学报,2010,18(1):62-66
|
被引
1
次
|
|
|
|
|
7.
顾亚祥. 支持向量机研究进展.
计算机科学,2011,38(2):14-17
|
被引
38
次
|
|
|
|
|
8.
陈俏. 支持向量机应用于大气污染物浓度预测.
计算机技术与发展,2010,20(1):250-253
|
被引
4
次
|
|
|
|
|
9.
陈琳. 支持向量机在地下水水质评价中的应用.
西北农林科技大学学报（自然科学版）,2010,38(11):221-226
|
被引
6
次
|
|
|
|
|
10.
马文涛. 支持向量机回归方法在地表水水质评价中的应用.
数学的实践与认识,2007,37(9):45-50
|
被引
3
次
|
|
|
|
|
11.
绍磊. 基于自由搜索的投影寻踪水质综合评价方法.
中国环境科学,2010,20(12):1708-1714
|
被引
1
次
|
|
|
|
|
12.
李祚泳.
环境信息规范对称与普适性,2011:33-35,65-66
|
被引
1
次
|
|
|
|
|
13.
张征.
环境评价学,2005:58-65
|
被引
1
次
|
|
|
|
|
14.
李祚泳. 富营养化评价的对数型幂函数普适指数公式.
环境科学学报,2010,30(3):664-672
|
被引
35
次
|
|
|
|
|
15.
王乐娟. 改进属性识别法在水质评价中的应用.
环境工程学报,2008,2(4):553-556
|
被引
6
次
|
|
|
|
|
16.
郭凤台. 属性识别模型在黑龙洞泉域地下水质评价中的应用.
节水灌溉,2008(11):43-45
|
被引
3
次
|
|
|
|
|
17.
孔健健. 属性识别理论模型在湖泊水质富营养化评价中的应用.
环境工程,2004,22(5):66-68,5
|
被引
13
次
|
|
|
|
|
了解气象卫星更多信息，请访问