基于改进的PSO优化LSSVM参数的松花江哈尔滨段悬浮物的遥感反演.pdfVIP

第 ３４ 卷第 ８期 环　 境　 科　 学　 学　 报 Ｖｏｌ．３４，Ｎｏ．８ ２０１４年８月 　Ａｃｔａ Ｓｃｉｅｎｔｉａｅ Ｃｉｒｃｕｍｓｔａｎｔｉａｅ Ａｕｇ．，２０１４ ＤＯＩ：１０．１３６７１／ｊ．ｈｊｋｘｘｂ．２０１４．０７４４ 烟贯发，张雪萍，王书玉，等．２０１４．基于改进的ＰＳＯ优化ＬＳＳＶＭ参数的松花江哈尔滨段悬浮物的遥感反演［Ｊ］．环境科学学报，３４（８）：２１４８⁃２１５６ Ｙａｎ Ｇ Ｆ，Ｚｈａｎｇ Ｘ Ｐ，Ｗａｎｇ Ｓ Ｙ，ｅｔ ａｌ． ２０１４．Ｒｅｍｏｔｅ⁃ｓｅｎｓｉｎｇ ｒｅｔｒｉｅｖａｌ ｏｆ ｓｕｓｐｅｎｄｅｄ ｓｏｌｉｄｓ ｂａｓｅｄ ｏｎ ｉｍｐｒｏｖｅｄ ＰＳＯ⁃ＬＳＳＶＭ ａｔ ｔｈｅ Ｈａｒｂｉｎ ｓｅｃｔｉｏｎ ｏｆ ｔｈｅ Ｓｏｎｇｈｕａ Ｒｉｖｅｒ［Ｊ］．Ａｃｔａ Ｓｃｉｅｎｔｉａｅ Ｃｉｒｃｕｍｓｔａｎｔｉａｅ，３４（８）：２１４８⁃２１５６ 基于改进的ＰＳＯ优化ＬＳＳＶＭ参数的松花江哈尔滨段 悬浮物的遥感反演 １ １，∗ １ １ ２ １ 烟贯发 ，张雪萍 ，王书玉 ，张冬有 ，杜百利 ，景伟伟 １． 哈尔滨师范大学地理学院，哈尔滨 １５００２５ ２． 黑龙江省水利水电勘测设计研究院，哈尔滨１５００８０ 收稿日期：２０１４⁃０３⁃２４　 　 　 修回日期：２０１４⁃０５⁃１２　 　 　 录用日期：２０１４⁃０５⁃１２ 摘要：悬浮物是松花江水质和水环境评价的重要参数之一．利用在松花江哈尔滨段江面上２９个采样点的实测高光谱和悬浮物浓度数据，用２０ 个采样点数据为训练集，９个采样点数据为测试集．将机器学习和全局优化智能计算方法引入，应用改进的粒子群（ＰＳＯ）优化最小二乘支持向 量机（ＬＳＳＶＭ）参数，以均方根误差ＲＭＳＥ为适应度函数，根据迭代得到ＬＳＳＶＭ最优参数值，用７００ ｎｍ和７５０ ｎｍ光谱反射率比值（Ｒ ／ Ｒ ） ７００ ７５０ 为特征变量，悬浮物数据为目标变量，用训练集数据训练得到反演模型，使用测试集数据进行验证．结果表明，此模型收敛速度快，精度高，得到 －１ ２ 预测值的均方根误差ＲＭＳＥ为１０．１１ｍｇ·Ｌ ，平均绝对百分误差ＭＡＰＥ为１０．７２％，模型决定系数Ｒ 为０．９５２，该方法可用来对其它水质参数反 演预测提供参照． 关键词：粒子群优化算法；最小二乘支持向量机；悬浮物；遥感反演；松花江 文章编号：０２５３⁃２４６８（２０１４）０８⁃０７４４⁃０９　 　 　 中图分类号：Ｘ８２４　 　 　 文献标识码：Ａ Ｒｅｍｏｔｅ⁃ｓｅｎｓｉｎｇ ｒｅｔｒｉｅｖａｌ ｏｆ ｓｕｓｐｅｎｄｅｄ ｓｏｌｉｄｓ ｂａｓｅｄ ｏｎ ｉｍｐｒｏｖｅｄＰＳＯ⁃ＬＳＳＶＭ ａｔ ｔｈｅ Ｈａｒｂｉｎ ｓｅｃｔｉｏｎ ｏｆ ｔｈｅ Ｓｏｎｇｈｕａ Ｒｉｖｅｒ １ １，∗ １ １ ２ １ ＹＡＮ Ｇｕａｎｆａ ，ＺＨＡＮＧ Ｘｕｅｐｉｎｇ ，ＷＡＮＧ Ｓｈｕｙｕ ，ＺＨＡＮＧ Ｄｏｎｇｙｏｕ ，ＤＵ Ｂａｉｌｉ ，ＪＩＮＧ Ｗｅｉｗｅｉ １． Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｇｅｏｇｒａｐｈｙ ｏｆ Ｈａｒｂｉｎ Ｎｏｒｍａｌ Ｕｎｉｖｅｒｓｉｔｙ，Ｈａｒｂｉｎ １５００２５ ２． Ｗａｔｅｒ Ｃｏｎｓｅｒｖａｎｃｙ ａｎｄ Ｈｙｄｒｏｐｏｗｅｒ Ｓｕｒｖｅｙ Ｄｅｓｉｇｎ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｈｅｉｌｏｎｇｊｉａｎｇ Ｐｒｏｖｉ