10.3969/j.issn.1004-6933.2014.03.006
河流健康评价的回归支持向量机模型及应用
建立河流健康评价指标体系、分级标准及回归支持向量机( SVR )河流健康评价模型,并以云南省文山州清水河健康评价为例进行研究。首先,利用层次分析法( AHP )从水文水资源、物理结构、水质、水生生物和社会服务功能5个方面遴选出13个评价指标,构建3个层次的河流健康评价指标体系和5个等级的分级标准;其次,基于SVR原理,利用随机生成和随机选取的方法,在等级标准阈值间构造5种不同容量大小的训练样本和检验样本,提出5种不同容量方案的SVR河流健康评价模型,设计合理的输出模式,并构建具有良好性能的RBF(radial basis function neural network )回归模型作为对比模型,利用模型随机5次运行的平均相对误差绝对值、最大相对误差绝对值和运行时间对各方案模型性能进行评价;最后,利用达到期望精度的SVR模型对实例进行评价分析。结果表明:①无论是训练样本还是检验样本,5种方案的SVR模型的预测精度和泛化能力均优于 RBF模型。在相同参数设置条件下,SVR模型随着样本容量的增加其精度和泛化能力变化不大;而RBF模型随着样本容量的增加其精度和泛化能力均有提高。表明SVR模型具有较高的精度和泛化能力,可以用于河流健康评价,尤其在小样本情况下,SVR模型的精度和泛化能力是RBF模型不可比拟的。②5种方案的SVR模型对清水河2011-2012年3次调查的评价结果均为健康,但已接近于亚健康。
河流健康、指标体系、分级标准、回归支持向量机、综合评价、云南省
X824(环境质量分析与评价)
2014-06-18(万方平台首次上网日期,不代表论文的发表时间)
共6页
25-30