基于改进支持向量机算法的水质监测模型研究

• 作者: 郭英
• 来源期刊: 水科学与工程技术
• 学科: 地球科学
• 关键词: 水质监测 PSO算法 BP神经网络 支持向量机
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 水文水资源
• 页码范围: 21-24
• 页数: 4页
• 分类号: P338
• 字数: 2720字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9900.2018.04.007

摘要

为找出适用于水质指标监测的标准模型,用PSO算法优化支持向量机(SVM)模型,得出优化模型(SVMM模型),选取溶解氧、化学需氧量、总氮和总磷4种实测指标为基础,以Nash-Sutcliffe系数CD、逐日相对均方根误差(RMSE)和Kendall一致性系数K为评价指标体系,找出最优模型,并将结果与BP神经网络模型、SVM模型对比,结果表明:SVMM模型在模拟日值时的拟合方程斜率最接近于1,决定系数R2均超过了0.8,在模拟月值时的平均误差仅为7.6%,RMSE均低于0.2,K值与CD值均在0.80以上,表明SVMM模型模拟结果的精度与一致性最高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭英		4	5	2.0	2.0