河流健康评价的回归支持向量机模型及应用.PDFVIP

第30卷第3期 水摇 资摇 源摇 保摇 护 2014年5月 Vol.30 No.3 WATER RESOURCES PROTECTION May2014 DOI: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 刘摇 艳 (云南省水文水资源局文山分局,云南 文山摇 663000) 摘要: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 basisfunction 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:淤无论是训 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。 于5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。 关键词: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 中图分类号:X824摇 摇 摇 文献标志码:A摇 摇 摇 文章编号:1004 6933(2014)03 0025 06 Regression support vector machine for river health assessment andits application LIU Yan (Wenshan Branch of Yunnan Provincial Hydrology and Water Resources Bureau,Wenshan663000,China) Abstract:A riverhealthassessmentindex system,gradingstandards,andasupportvectorregression (SVR)river health assessment model are proposed for health assessment of the Qingshui River in Wenshan, in Yunnan Province. In this study,first,13 evaluation indices were selected with the analytic hierarchy process (AHP) in terms of hydrology and water resources,physical structure,water quality,aquatic organisms,and social services, in order to construct a three鄄level river health assessment index system as well as five鄄level grading standards. Then,basedontheSVRprinciple,therandomg