基于最小二乘支持向量回归的水质预测

• 作者: 刘红梅 张博 徐英岚 李荣
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 支持向量回归(SVR) 最小二乘支持向量回归(LS-SVR) 水质预测
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 数据库与数据挖掘
• 页码范围: 31-34
• 页数: 4页
• 分类号: TP301
• 字数: 2607字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2019.09.006

摘要

水质系统是一个开放的、复杂的、非线性动力学系统,具有时变复杂性,针对水质预测方法的研究虽然已经取得了一些成果,但也存在预测精度与计算复杂度等难题.为此,本文提出一种基于最小二乘支持向量回归的水质预测算法.支持向量机是机器学习中一种常用的分类模型,通过核函数将非线性数据从低维映射到高维空间,在高维空间实现线性分类和回归,最小二乘支持向量回归(LS-SVR)利用所有的样本参与回归拟合,使得回归的损失函数不再只与小部分支持向量样本有关,而是由所有样本参与学习修正误差,提高预测精度;同时该算法将标准SVR求解问题由不等式的约束条件及凸二次规划问题转化成线性方程组来求解,提高了运算速度,解决了非线性复杂特性的水质预测问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张博		44	456	13.0	19.0
2	刘红梅		25	75	5.0	7.0
3	李荣		11	37	4.0	6.0
4	徐英岚		11	15	3.0	3.0