基于偏最小二乘支持向量机的水质评价与预测研究

发布时间：2024-03-08 22:18

　　随着人口的急剧增长和经济社会的飞速发展，水环境在逐步恶化，水环境面临着巨大的保护压力，水质的污染问题与水环境安全问题已经成为已经成为全世界共同关注的焦点。对水体质量进行合理的评价和对水质因子进行客观有效的预测，是实现水环境管理和控制的基础性工作，具有重要的现实意义。 本文以十二五国家科技支撑计划项目“安全保障型城市的评价指标体系与评价系统研发”为研究背景，对水质的综合预测和评价进行了相关的研究。首先介绍了水质评价与预测的国内外研究现状，然后针对水质因子间具有的多重相关性的特点，提出了基于偏最小二乘法（Partial Least Squares，PLS）和支持向量机(Support Vector Machine，SVM)相结合的水质预测与评价模型。本文的研究成果如下： 首先，核函数和参数影响着支持向量机的形式，针对参数的选择问题，利用粒子群算法（Particle Swarm Optimization，PSO）进行参数的寻优，针对粒子群算法在搜索过程中容易陷入局部最优的问题，引入了历史信息，使粒子在搜索过程中能够按照最佳方向前进，同时引入了变异因子，增强其随机变异能力避免陷入局部最优。通过...

【文章页数】：78 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
1 绪论
    1.1 研究背景及意义
        1.1.1 研究背景
        1.1.2 研究目的与意义
    1.2 国内外研究现状
        1.2.1 水质预测的研究现状
        1.2.2 水质评价的研究现状
    1.3 PLS 与 SVM 在水质评价与预测中的应用
        1.3.1 PLS 在水质评价与预测中的应用
        1.3.2 SVM 在水质评价与预测中的应用
    1.4 本文的结构安排
2 偏最小二乘法与支持向量机
    2.1 统计分析理论
        2.1.1 多元线性回归模型
        2.1.2 最小二乘多元回归
        2.1.3 多重相关性分析
        2.1.4 主成分分析
        2.1.5 典型相关分析
    2.2 偏最小二乘法概述
        2.2.1 偏最小二乘法
        2.2.2 交叉有效性验证
    2.3 统计学习理论
        2.3.1 机器学习
        2.3.2 统计学习理论
    2.4 支持向量机概述
        2.4.1 核函数
        2.4.2 支持向量机分类机
        2.4.3 支持向量回归机
    2.5 本章小结
3 改进的粒子群算法及其应用
    3.1 支持向量机的参数优化
        3.1.1 网格搜索法
        3.1.2 遗传算法
    3.2 粒子群算法
    3.3 改进的 PSO 及其性能研究
    3.4 改进的粒子群算法在 SVM 参数优化中的应用
    3.5 本章小结
4 基于综合历史信息与 PLS-SVM 的水质预测研究
    4.1 水质因子间相关性分析
        4.1.1 主要水质指标及其含义
        4.1.2 水质数据的相关性分析
    4.2 基于综合历史信息与 PLS-SVM 的水质预测模型
    4.3 PLS-SVM 水质预测模型与算法流程
    4.4 实验仿真与数据分析
        4.4.1 实验仿真
        4.4.2 数据分析
    4.5 本章小结
5 基于 PLS-SVM 的水质评价方法研究
    5.1 水质评价体系的建立
    5.2 基于 PLS-SVM 的水质评价模型
    5.3 仿真实验及结果分析
    5.4 本章小结
6 总结与展望
    6.1 工作总结
    6.2 后续展望
致谢
参考文献
附录一
    A. 作者在攻读硕士学位期间发表的论文目录
    B. 作者在攻读硕士学位期间参加的科研项目及得奖情况
附录二



本文编号：3922470