支持向量机在供水方案综合评价中的应用研究.docVIP

支持向量机在供水方案综合评价中的应用研究 　　 摘要：针对开始不能确定目标权重或隶属度的多方案综合评价的问题时，提出了一种支持向量机的学习算法实现多方案的综合评价。本文在电厂以中水作为水源的情况下，引入支持向量机算法，通过建立目标、综合属性的优化模型，再对建立的多种供水方案进行综合评价。计算结果表明，三种方案的综合评判值分别为：0.24、0.55和0.61，方案三为首选的供水方案，与实际首选方案和层次分析法确定的方案一样。将支持向量机算法应用于供水方案的选取，得到的综合效果评价是可行的。 　　 　　关键词：中水 支持向量机 供水方案 综合评价 　　 　　The Application of support vector machine in water supply scheme 　　 　　Abstract: As for comprehensive evaluation of alternative schemes which can not confirm its goal attribute weight or membership, a support vector machine learning algorithm is presented. Based on water supply scheme as reclaimed water source for the power plant, the learning algorithm sets up a model to synthesize attribute optimization utilizing the support vector machine. The result shows that the comprehensive evaluation value of three schemes were 0.24, 0.55 and 0.61, which shows that the third scheme is reasonable. Contrasted with actual choice scheme and AHP to determine scheme, the result is the same as them. The effect of comprehensive evaluation is feasible for the selection of water supply scheme by support vector machine method. 　　 　　Key words: Reclaimed water Support vector machine Water supply scheme Comprehensive evaluation 　　 　　随着经济的迅速发展，人口的增加及工业化和城市化步伐的加快，城市用水量和污水排放量急剧增加，这更加剧了水资源的短缺和水环境的恶化［１］。中水作为电厂供水水源的选择缓解了城市水资源紧张，同时城市中水用于电厂用水，从水质、水量、处理技术及经济效益方面来讲，都具备一定条件和优势。在此基础上为了更好的为电厂供应中水，需要建立多种供水方案，并解决哪一方案综合指标最优。目前常用的方法有层次分析法［２］、主成分分析法［３］、加权多数算法［４］、模糊综合评价法［５］、模糊神经网络方法［６］、功效评分法［７］及综合指数法［８］，但这些方法需要事先确定目标的权重或隶属度，因此，难以给出明确的偏好信息作为方案的综合评价，这些算法表现的人为主关因素比较大。支持向量机（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ，ＳＶＭ）［９］是２０世纪９０年代初期Ｖａｐｎｉｋ［１０］根据统计学理论提出的一种新的通用的机器学习方法，具有优于前面几种方法的特点。近年来在模式识别、回归分析和特征提取等方面得到较多的应用，正成为继神经网络研究之后新的研究热点。本文将ＳＶＭ技术应用于供水方案综合评价中，提出了一种先通过优化方案的综合属性值得到相应的目标属性值，再进行综合评价的算法，应用结果表明，该算法避免了获取偏好信息的困难，具有较好的推广性和应用性。 　　1. 基于支持向量机的评价方法 　　1.1 支持向量机的基本理论 　　ＳＶＭ实现的主要思想是通过某种事先选择的非线性映射（核函数）将输入向量映射到一个高维特征空间，在这个空间中构造最优分类超平面。使用ＳＶＭ进行数据集分类工作的过程为［１１］：首先，通过预先选定的一些非线性映射将输入空间映射到高维特征空间，使得在高维属性空间中有可能对训练数据实现超平面的分割，避免了在原输入空间中进行非线性曲面分割计算。ＳＶＭ数据集形成的分类函数具有这样的