基于PSO-SVM的景观湖泊水体叶绿素a含量预测

• 作者: 李国进 王雪茹 黄鹏
• 来源期刊: 水电能源科学
• 学科: 地球科学
• 关键词: 主成分分析法 粒子群算法 支持向量机 叶绿素a含量 水体富营养化
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 水文水资源与环境
• 页码范围: 58-61
• 页数: 4页
• 分类号: X524|TP183
• 语种: 中文

摘要

针对目前景观湖泊富营养化严重的问题,提出了一种基于粒子群算法(PSO)优化支持向量机(SVM)的叶绿素a含量的预测方法.利用2017年5～10月广西大学碧云湖的水质监测数据和气象数据进行主成分分析,确定影响水体叶绿素a含量的主要因素为TN、TP、浊度、温度、光照时长和pH值,并将其作为PSO-SVM模型的输入量,以预测景观湖泊水体叶绿素a的含量;将该模型应用于镜湖、鉴湖和月牙湖水体叶绿素a含量的预测以验证模型的适用性.结果 表明,基于PSO-SVM模型的碧云湖的叶绿素a含量预测的平均平方误差仅为1.25％,平均相对误差为2.46％;该模型对镜湖、鉴湖和月牙湖水体叶绿素a含量拟合值的平均平方误差分别为3.17％、4.05％、2.42％,平均相对误差分别为3.48％、4.31％、2.80％.PSO-SVM模型可以很好地运用于景观湖泊水体叶绿素a含量的预测,可为湖泊富营养化防治提供参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李国进	广西大学电气工程学院	29	163	6.0	12.0
2	黄鹏	广西大学电气工程学院	3	0	0.0	0.0
3	王雪茹	广西大学电气工程学院	2	0	0.0	0.0