PSO和SVM混合算法确定太湖入湖河流水质主要影响因子

• 作者: 丁彦蕊 孙培冬 孙小妹 徐国伟 王文超 陈蓓
• 来源期刊: 环境监控与预警
• 学科: 地球科学
• 关键词: 粒子群优化算法 支持向量机 水体水质 影响因子
• 年，卷（期）: 2012,（2）
• 所属期刊栏目: 环境预警
• 页码范围: 7-10
• 分类号: X11
• 字数: 3636字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-6732.2012.02.002

摘要

以影响太湖人湖河流水质的24个因子值为研究对象,将粒子群优化算法(PSO)与支持向量机算法(SVM)相结合.PSO算法用于优化SVM算法的参数c和g,有利于快速、高效地确定c和g的全局最优值；SVM算法基于最优的c和g,分别以24,21,18,15,12,9和6个因子作为特征向量预测水质的污染程度.结果表明,当特征向量为9个影响因子时预测率最高.其参数c=18.56,g=1.35,对应的预测率为:全局预测率92.59％,重度污染水质预测率88.89％,轻度污染水质预测率94.45％.因此,通过PSO和SVM混合算法,可以确定影响太湖入湖河流水质的主要因子,利用这些主要因子对水质进行预测预警,不但可以节省时间,而且可以得到精确的结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丁彦蕊	江南大学物联网工程学院	51	266	9.0	14.0
2	孙培冬	江南大学化学与材料工程学院	61	314	8.0	14.0
3	王文超	江南大学物联网工程学院	4	1	1.0	1.0
4	徐国伟		2	29	1.0	2.0
5	陈蓓		2	1	1.0	1.0
6	孙小妹	江南大学物联网工程学院	2	1	1.0	1.0