基于机器学习的水质COD预测方法

• 作者: 宓云軿 王晓萍 金鑫
• 来源期刊: 浙江大学学报（工学版）
• 学科: 地球科学
• 关键词: 水质COD 机器学习 相关性模型 LM-BP神经网络 支持向量机 预测精度
• 年，卷（期）: 2008,（5）
• 所属期刊栏目: 自动化技术、计算机技术
• 页码范围: 790-793
• 页数: 4页
• 分类号: TP181|X832
• 字数: 3615字
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2008.05.013

摘要

运用紫外光谱进行水质有机污染物浓度(化学耗氧量(COD))的检测,必须建立紫外光谱数据与COD值之间的数学模型.运用机器学习方法中的LM-BP神经网络和支持向量机,建立了紫外多波段光谱数据与COD值的相关性模型,讨论了在LM-BP神经网络建模中网络结构选择、输入数据处理和训练程度控制,以及在支持向量机建模中核函数及其参数选择等问题.对某种水样的紫外多波段光谱,分别运用最小二乘法、LM-BP神经网络、支持向量机的相关性模型进行COD预测.结果表明,2种机器学习方法的预测能力明显优于最小二乘法,能够得到满意的预测精度,为运用物理方法解决化学量测量中普遍存在的相关性问题,提供了实际可行的解决方案.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王晓萍	浙江大学光电信息工程学系	95	769	15.0	24.0
2	金鑫		13	204	6.0	13.0
3	宓云軿	浙江大学光电信息工程学系	3	84	3.0	3.0