基于SVM土壤重金属污染评价的训练数据集构建

摘要：

支持向量机(support vector machine,SVM)用于土壤重金属污染评价时,其训练数据集的构建对模型准确性影响重大.本文对依据土壤环境质量国家标准生成数据集的方法(国标法)进行改进,提出实际测量数据集生成方法(实测法),并在实测法样本中添加国标法样本扩大训练数据集,进一步提高模型分类准确率.结果 表明:对同一组实测样本进行分类,国标法模型准确率(53.33％)低于实测法模型准确率(75.56％);扩大后的数据集训练所得模型与实测法模型相比,分类60个实测样本时,准确率由88.33％提高至98.33％,分类45个实测样本时,准确率由75.56％提高至82.22％.

关键词：支持向量机、数据集构建、分类、土壤重金属

分类号：X825(环境质量分析与评价)

资助基金：国家重点研发计划2016YFD0800902;湖北省创新群体滚动项目2015CFA021

在线出版日期：2019-12-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：316-322