基于支持向量机的水质评价和预测研究-信号与信息处理专业论文.docxVIP

摘要地下水水质评价是地下水资源评价的一项重要内容，它根据地下水的主要物 摘要 地下水水质评价是地下水资源评价的一项重要内容，它根据地下水的主要物 质成份的物理或化学值和相应的水质标准，分析地下水水质的可用程度，为地下 水资源的开发利用、规划和管理提供科学依据。 目前水质评价数学模型很多，如综合指数法、模糊数学法、灰色聚类法等。 但这些传统方法并没有很好地解决评价因子与水质等级间复杂的非线性关系， 评价过程中的权重需要人为设计，限制了评价模式的通用性，也影响了结果的可 靠性。近年来发展起来的支持向量机技术为实现上述目标提供了有效的方法。本 文在对支持向量机技术理论研究的基础上主要做出了如下应用研究工作： 本文提出将支持向量机回归理论应用到济南地下水水质参数的预测中。实验 结果表明，基于支持向量机回归理论的方法比BP神经网络和径向基函数(RBF) 神经网络更加准确。 本文提出将支持向量机分类理论应用于济南地下水水质的评价中。采用三种 不同核函数的支持向量机对水质监测的数据进行处理。实验表明，这种模式识别 理论用于水质评价是可行的。而且此方法具有水质评价结果不依赖于核函数种类 的优点。本文将这种水质评价的结果与其他传统方法一单因子法，模糊理论法， BP神经网络水质评价的结果相比较。结果表明于支持向量机分类理论的水质评 价更加符合客观事实。 本文在以上工作的基础上还提出了一种新的基于支持向量机预测和支持向 量机分类的水质评价模型一混合支持向量机模型。 关键词：支持向量机分类回归水质评价水质预测 AbstractGro皿d Abstract Gro皿d water quaIity assessmem is one of the most imponaIlt factors among all me灯ound water resources assessmem．Its oblectif is to analyse me 1evel of utility of ground water according to me comp撕son be呐een the physicochemical Value of me major componems aIld the water quality standard a11d so mat it is the scient墒c basis for the exploi诅tion，utilization，pl蛐g肌d managcment of water gro岫d啪旧 reSOUrCeS At present，there are many mathematic models for water quaIi母assessmem such as indices method，如zzy mathematic method，gray—clustering method etc．HoweVer t11ese订aditionaI methods have not resoIved t11e non Iinear relatiOn Droblematic between me assessment factor a11d water qu“ity classes．The biaS is given manually which is the constraim of me genemIization Of assessmem pattem and a王so conducts me influence of the reliabili母of廿le result．Suppon machine vector，new teclllliques of me statiStical le锄ing t11eory proposed by VapIlik in 1 995 and deVeloped舶m t11e S叽ctural尉sk Minimization(SRM)meoⅨprovides a good solution in order to caHy out the objec晰e above．A触。the咖dy of SVM theo啦we pe面med也e maill work as fbllows： In也is p印er’we stlldied SVM as regression techJliques for water quality paI狮eters prediction．The result of也e experiInent shows tllat the metllod based on SVM诅more ped’omaIlce compared to me two ANN approaches：BP