基于APSO—WLSSVR的水质预测模型

• 作者: 刘双印 徐龙琴
• 来源期刊: 山东大学学报：工学版
• 学科: 工学
• 关键词: 加权最小二乘支持向量回归机 自适应粒子群优化算法 水质预测 参数优化 集约化水产养殖
• 年，卷（期）: 2012,（5）
• 所属期刊栏目: 机器学习与数据挖掘
• 页码范围: 80-86
• 分类号: TP309
• 字数: 5390字
• 语种: 中文

摘要

为解决传统预测方法和标准最小二乘支持向量回归机（least squares support vector regression，LSSVR）在水质预测中存在预测精度低、鲁棒性差等问题，提出了自适应粒子群优化加权最小二乘支持向量回归机（adaptive particle swarm optimization weighted leasts quares support vector regression，APSO—WLSSVR）的水质预测模型。根据样本对模型重要性不同为各样本赋予不同权重，建立了加权最小二乘支持向量回归机（weighted least squares support vector regression，WLSSVR），实现对样本数据“重近轻远”的优化选择，避免标准LSSVR算法因没有考虑样本重要性差异致使预测精度低的问题；采用自适应粒子群优化算法对模型参数组合进行优化选择，克服了标准LSSVR算法因试凑法获取参数的盲目性和人为因素的影响。为验证该模型的性能，对江苏省宜兴市集约化河蟹养殖水质进行预测，并与其他预测方法对比分析，结果表明该模型预测精度明显提高，还具有较好的鲁棒性和泛化能力，能够满足集约化水产养殖水质管理的实际需要。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐龙琴	广东海洋大学信息学院	35	324	12.0	16.0
2	刘双印		1	12	1.0	1.0