基于支持向量回歸的水質(zhì)預(yù)測研究.pdf

1、水質(zhì)預(yù)測是水資源管理和污染控制的基礎(chǔ)性工作,建立數(shù)學(xué)模型,準(zhǔn)確地進(jìn)行水質(zhì)預(yù)測,是進(jìn)行水污染管理的有效手段。目前,有關(guān)水質(zhì)預(yù)測的方法很多,但是沒有一個(gè)通用的水質(zhì)預(yù)測模型。在進(jìn)行水質(zhì)預(yù)測時(shí),選用模型的任意性較大。支持向量回歸(Support Vector Regression,SVR)是基于VC維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小化準(zhǔn)則而提出的一種新的機(jī)器學(xué)習(xí)方法,在解決小樣本、非線性及高維模式識別中表現(xiàn)出許多優(yōu)勢。
　　 本文針對水環(huán)境系統(tǒng)的復(fù)雜

2、性,嘗試將SVR算法用于水質(zhì)預(yù)測,并進(jìn)行應(yīng)用分析。該研究豐富了水質(zhì)預(yù)測的理論和方法,為水環(huán)境監(jiān)控管理提供了科學(xué)的技術(shù)支持,具有實(shí)際應(yīng)用價(jià)值。
　　 以山東省小清河流域某斷面的水質(zhì)監(jiān)測數(shù)據(jù)為實(shí)驗(yàn)對象,構(gòu)建了SVR時(shí)間序列預(yù)測模型,計(jì)算一定時(shí)期內(nèi)的化學(xué)需氧量(Chemical Oxygen Demand,簡稱COD)濃度和氨氮濃度。SVR預(yù)測模型通過調(diào)整輸入變量可選擇不同的模型參數(shù)用于參數(shù)尋優(yōu),結(jié)合實(shí)驗(yàn)分析了懲罰系數(shù)、不敏感系數(shù)以及

3、徑向基核函數(shù)參數(shù)對模型精度的影響,找出最佳參數(shù),進(jìn)行水質(zhì)預(yù)測。預(yù)測結(jié)果與BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型作比較分析,實(shí)驗(yàn)表明,SVR模型的平均預(yù)測誤差為0.39％,低于BP神經(jīng)網(wǎng)絡(luò)的0.85%。從整體預(yù)測效果來看,SVR預(yù)測性能優(yōu)于BP神經(jīng)網(wǎng)絡(luò),預(yù)測結(jié)果更能反映水質(zhì)真實(shí)情況,能夠準(zhǔn)確預(yù)報(bào)可能發(fā)生的水質(zhì)污染事故。
　　 文中探討了SVR預(yù)測模型在水質(zhì)自動監(jiān)測與預(yù)警系統(tǒng)的應(yīng)用。在山東省水質(zhì)自動監(jiān)測站管理系統(tǒng)的基礎(chǔ)上,引入水質(zhì)預(yù)警技術(shù),構(gòu)建了水質(zhì)