南四湖生态系统健康评价研究.pdfVIP

20l4年7月 绿色科技 JournalofGreenScienceandTechnology 第 7期 南四湖生态系统健康评价研究 毕温凯 ，袁兴中2,3，陈魁 ，高璨赘 ，张 宽 ，杨 宁 (1．天津市环境监测 中心，天津 300019l；2．湖南大学 环境科学与工程学院，湖南 长沙 410082； 3．湖南环境生物与控制教育部重点实验室(湖南大学)，湖南 长沙 410082) 摘要 ：时南四湖生态状况进行 了调研 ，确立 了南四湖的生态系统健康评价指标体系，并利用支持 向量机在 处理分类 问题方面的优势 ，构建了基于支持 向量机 的湖泊生态系统健康评价模型 ，并选取 了2008年南四湖 的水质和生物群落数据进行评价 ，结果表 明南四湖处于一般病态状态。 关键词 ：支持 向量机 ；湖泊生态系统；健康评价 中图分类号：X826 文献标识码 ：A 文章编号：1674—9944(2014)07—0010—03 1 引言 subjecttoy[(训 )+6]≥1一￡ (2) 式中C为惩罚参数 ，为松弛变量，C≥0且 ≥0． 湖泊生态系统健康评价首次提 出是在 2O世纪 8O 为避免样本噪点干扰分类 ，支持向量机在设定精度 e下 年代，是定性或定量分析湖泊生态系统的健康情况 (多 样性、活力、自我平衡 、病症 、组分 间平衡和恢复力等)的 利用 C和 修正函数，通过允许少量错误分类出现保证 评价 ，目前 已有大量相关研究。湖泊生态系统健康评价 模型容错性。 当前主要有指标体系及指示物种两种方法 。随着相关 凸二次规划 的求解需利用 Lagrange优化方法转化 研究的深入，机器学习等人工智能方法被引入湖泊生态 为凸二次规划的对偶 问题，进而得到基于支持向量机的 系统健康评价 中，其 中支持向量机 (SupportVectorMa— 分类决策函数 ： chine，SVM)法作为机器学习方法 中的集大成者 ，与 以 ，(z)：sgn-[w ∑(z)+b]=sgn-[∑n (z，z)+ 往机器学习方法相 比，具有理论完善 、所需学习样本少 b] (3) 等优点。本研究基于支持 向量机方法在解决小样本 问 式 中a 为不为 0的 Lagrange展开式乘子 ，a 即 题和分类问题上的优势，建立了南湖泊生态系统健康评 为分类超平面 ，厂(z)为对应决策函数 ，利用 厂()的符号 价模型，并应用于南 四湖生态系统健康 中。 表示分类类别。 2 材料和方法 对于二分类问题中的线性不可分情况 ，支持 向量机 则利用核函数将非线性 问题映射到更高维的空间中转 南四湖 (116。59E、34。52N)位于山东省南部微山 化为线性 问题 ，进而利用 以上方法求取最优分类超平 县 ，是 山东省最大 的湖泊 。南 四湖南北长 125km，东西 面，最终实现分类功能。核函数是支持向量机实现空间 宽 6～25km，周边长 311km，最大湖面积 1266km ，总库 转换运算的函数形式 ，核函数 的运用在解决了低维空间 容 47亿 Ill。。 线性不可分情况的同时避免了高维空间的维数灾难 ，内 2．1 支持向量机