SVM与ANN在湖泊富营养化评价中的对比研究

支持向量机是由Vapnik等提出的建立在统计学习理论基础上的一种新的机器学习方法,由于其使用结构风险最小化原则代替经验风险最小化原则,又由于其应用了核函数思想,它可以较好地解决非线性问题;人工神经网络(ANN)已经较成功解决模式识别和任意非线性函数回归问题,但是存在训练样本不足,并可能出现过拟合现象。SVM的结构风险最小化算法引起了科学界的关注,对传统基于经验风险最小化的神经网络算法提出了挑战,文章介绍了SVM和ANN的基本原理,并对二者在巢湖富营养化水平评价上做对比研究,结果表明,ANN比较容易陷入局部最优,支持向量机评价结果更加符合实际。     

应用支持向量机评价土壤环境质量

基于野外采样和室内分析相结合的方法,采用电感耦合等离子体质谱法(ICP-MS)对羊草沟煤矿研究区表层土壤样品中的Cd、Cr、Zn、Pb和Cu含量进行测定,应用非线性支持向量机模型中的分类支持向量机,选用sigmoid核函数,利用MATLAB编写程序,进行土壤环境质量评价,并利用模糊综合评判法对评价结果进行验证.在此基础上,运用对应分析方法对样品和变量进行了关联分析,进一步了解重金属污染特征.评价结果表明,研究区土壤环境质量多为Ⅰ类,与模糊综合评判法的相同率达到91.67%,将支持向量机用于土壤环境质量评价是可行的.相比于传统的评价方法,支持向量机采用结构风险最小化原则,将复杂的非线性问题转化为线性问题,成功的解决了多分类、高维运算等问题.     

基于PCA和M-SVMs的化学物质生态危害预测应用研究

为防止新化学物质投入市场时对生态环境造成危害,需对其生态危害程度进行评价。现有评价方法把各指标对生态危害的贡献看成是等效的,不能客观反映事实,且评价指标较多,指标之间具有较强的相关性,会降低预测精确度,为了解决该问题,文章将主成分分析和支持向量机相结合。首先运用主成分分析进行特征提取,降低数据维数,获取数据的主要信息;然后将二值分类支持向量机扩展到多类支持向量机,利用多类支持向量机建立化学物质生态危害预测模型,采用10折交叉验证法对模型进行检验,得到平均正确率达到89.24%。并与未进行主成分分析的支持向量机分类模型进行了比较,实验结果表明该方法具有更好的预测精度,值得推广。     

基于支持向量机的黄东海富营养化快速评价技术

以发展黄东海富营养化现场快速监测技术为目的,选取有色溶解有机物(CDOM)特征吸收系数a_CDOM(255)、a_CDOM(355)、a_CDOM(455)及能现场实时监测的浊度(Tur)、叶绿素a(Chl a)、溶氧(DO)等水质参数,以TRIX值为参照,利用支持向量机建立了近海富营养化快速评价技术.建立的支持向量机模型最优惩罚参数C=45.3,最优核函数参数g=0.7,对训练集分类准确率为92.5%,交叉验证准确率为91.8%,验证集分类准确率为85.0%.结果表明:基于CDOM吸收系数及DO、Chl a、Tur建立的近海富营养化快速评价技术能够准确的对近海富营养化状态进行评估,可为近海富营养化的现场快速监测提供技术支持.     

基于回归支持向量机的指标规范值的水质评价模型

传统的回归支持向量机的水质评价模型不具有普适性和通用性,当指标较多时,模型的学习效率和求解精度均会受到影响.若适当设定3类水体(地表水、地下水和富营养化水体)各项指标的参照值及指标值的规范变换式,使不同指标的同级标准的规范值差异不大,从而可以认为用规范值表示的不同指标皆“等效”于某个规范指标.因此,可建立用规范值表示的任意m项指标组合皆适用的水质评价的回归支持向量机模型.通过实例对模型的实用性进行了效果检验,结果表明:用基于回归支持向量机的指标规范值的水质评价模型对河桥地表水、黑龙洞泉域地下水和山仔水库富营养化水体的水质评价结果与用BP神经网络评价法、模糊综合评价法和属性识别评价法的评价结果基本一致.     

非参数模型在河湖富营养化研究领域应用进展

河湖富营养化过程受流域水污染、生境破坏和闸坝控制等多因素非线性叠加影响,在一定程度上限制了常规水生态机理模型的模拟精度.非参数模型以其强大的数据分析能力在河湖水生态问题诊断和预测方面得到了广泛应用,该文系统梳理了国内外近20年来河湖富营养化非参数模型的相关研究成果,通过Citespace开展基于WoS与CNKI数据库的相关文献大数据可视化分析,全面阐明了结构方程模型（SEM）、贝叶斯网络（BN）、支持向量机（SVM）、人工神经网络（ANN）、随机森林（RF）、梯度推进机（GBM）、广义相加模型（GAM）等主流非参数模型在河湖富养化营研究中的适用性与局限性,对具有相似特征的模型进行对比分析并提出展望,以期为水生态模拟相关研究提供科学有效的方法支撑.结果表明:非参数模型在河湖富营养化研究领域中的应用呈指数增长趋势,其中SEM、BN、RF、GBM和GAM模型适用于河湖富营养化问题的诊断和驱动要素识别,BN、ANN、SVM、RF、GBM和GAM具有良好的非线性拟合预测能力.非参数模型将是今后一段时期内开展水生态大数据分析诊断和预测管控的关键技术手段.综合考虑区域异质性与多重环境因子在不同时空尺度上响应关系及强人类活动干扰下的河流水生态退化风险,利用生态机理模型与非参数模型耦合求解与优化算法引入,精准识别水生态健康退化的环境压力阈值,开展变化环境下的水生态退化风险预测预警,将是未来非参数模型在河湖富营养化应用研究的重要方向.      

基于RS-SVM模型的风暴潮灾害损失测度

论文以现有的风暴潮灾害研究为基础,通过构建评估指标体系提出了基于粗糙集-支持向量机模型(RS-SVM模型)的风暴潮灾害损失测度方法。RS-SVM模型较好的将二者优点进行结合,消除数据冗余信息的同时可以快速、准确解决非线性问题。在上述研究的基础上,对比单纯使用SVM方法与RS-SVM组合使用下的风暴潮经济损失测度效果,发现粗糙集与支持向量机在数据属性约简并进行预测过程中,确保了较高的拟合度与较低的误差率。     

基于支持向量机的浮游植物密度预测研究

利用支持向量机方法对具有非线性及突发性特点的浮游植物密度进行了预测,同时与人工神经网络方法预测的结果进行了比较.结果表明,无论是拟和能力还是预测能力,支持向量机方法都明显优于人工神经网络方法,支持向量机方法比较适合于具有小样本、非线性特点的浮游植物密度预测研究.     

基于多核LS-SVM的河涌水质预测模型

研究了多变量非线性河涌水质预测问题,提出了多核最小二乘支持向量机河涌水质预测模型。模型采用协同结构的非线性函数将水质时序样本映射到高维特征空间,进行多元线性回归。然后将该回归问题转化成半无限线性规划问题,运用交换集法求解。文章利用东江流域河涌水质数据进行了拟合预测实验,结果表明,与单核最小二乘支持向量机河涌水质预测模型相比,多核模型的预测误差减小了23%以上,它较单核模型具有更高的预测精度和更好的泛化推广性能。     

基于支持向量机的资源型城市可持续发展指标体系研究

资源型城市的可持续发展系统是由自然、经济、社会三个基本层次组成的相互作用且相互依赖的复杂巨系统。支持向量机回归具有非线性、并行分布处理、自学习等特点，可以较为逼真地模拟该系统。本文通过对资源型城市可持续发展指标体系现有主要方法的研究，提出以支持向量机为模型的资源型城市可持续发展指标的分析预测方法，并应用此方法构造支持向量机。绘制指标预测图。对铜陵市国民经济总产值进行了预测。结果表明本预测方法效果较好。     

湖泊水质富营养化评价的模糊神经网络方法

为了探索人工神经网络用于湖泊营养化评价的可能性,提出了基于多准则学习的模糊神经网络湖泊水质营养化评价模型。该模型应用于我国五大主要湖泊水质营养化的评价结果表明,模糊神经网络用于湖泊水质营养化评价,具有简便、实用、客观性和广泛的通用性。      

鄱阳湖富营养化时空变化特征及其与水位的关系

为了研究鄱阳湖水体的富营养化状态与水位变化的响应关系,基于2009-2016年鄱阳湖15个长期监测点的调查数据,采用TLI（综合营养状态指数）法评价了鄱阳湖水体的富营养化状态,并应用主成分分析（PCA）探讨了鄱阳湖富营养化状态的时空变化特征及其与水位的关系.结果表明:①从年内变化来看,鄱阳湖除冬季（1月）处于轻度富营养化状态,其余3个季节均处于中营养状态,其中,夏季（7月）富营养化程度最低是由于其水位较高、换水周期快所致,冬季处于轻度富营养化是由于水位降低导致的营养盐浓度升高以及湖泊沉淀物的再悬浮和营养盐的释放;从年际变化来看,除2011年、2012年及2014年鄱阳湖处于轻度富营养化状态外,其余年份均处于中营养状态.②从空间上来看,鄱阳湖湖区整体处于中营养状态,空间差异不大,湖区中部东侧富营养化程度最高.③在年内季节变化上富营养化程度与水位呈负相关,富营养化的空间分布特征与水位关系较小.研究显示,鄱阳湖整体富营养化程度不高,但有向富营养化湖泊发展的趋势,建议通过控制湖区污染源来减轻其富营养化程度.      

基于水质与浮游生物调查的汉石桥湿地富营养化评价

基于水质与浮游生物的综合调查与评价,可准确判断湿地的富营养化状况.本文以汉石桥湿地为研究对象,设置7个采样点,开展了水质、浮游植物、浮游动物分类监测与调查,并利用营养状态指数法、浮游植物评价法和浮游动物评价法3种方法,评价了水体富营养化状态,比较了各种方法的结果差异.结果表明,3种评价方法的评价结果在时空变化上具有较高的一致性,均显示非核心区富营养化程度较低,核心区富营养化水平较高;各月份相比,10月湿地的富营养化程度较低,6—8月富营养化程度较高.浮游植物和浮游动物评价法所得湿地富营养化程度较营养状态指数法略高,主要表现在4、10月的非核心区评价中.综合水质、浮游植物与浮游动物进行富营养化评价,可得到更为准确的评价结果.     

西溪国家湿地公园水质时空分异特征研究

西溪湿地公园作为第一个国家湿地公园和城市湿地公园的代表,具有特殊的功能特征.利用2009年春夏两季对西溪湿地水质的月监测数据,揭示城市湿地公园水质时空分异和污染特征.结果表明,①湿地水质空间分异与公园功能特征密切相关.其中,自然水塘的TN、TP平均值分别为0.78 mg/L和0.07 mg/L;观赏水塘TN、TP平均值分别为1.37 mg/L和0.17 mg/L;自然河溪水质TN、TP的平均值分别为2.91 mg/L和0.18 mg/L;游览水道TN、TP平均值分别为1.91 mg/L和0.09 mg/L;②湿地水体富营养化程度时间变化显著.西溪湿地水质的春季富营养化程度小于夏季,总体处于中度富营养化状态;③不同功能湿地水体富营养化程度差异明显.水塘水体富营养化程度低于河溪富营养化程度,其中,自然水塘水质的富营养化程度低于观赏水塘的水质,相反,游览河溪水质富营养化程度低于自然河溪的水质.因此,加强对观赏水塘和自然河溪的管理,是提高西溪湿地水质的有效方法.     

珠海市近岸海域水质状况与富营养化评价

为了解珠海市近岸海域水质污染程度和富营养化状况,本研究于2017年11月（秋季）和2018年3月（春季）对该海域水质进行调查监测,并采用单因子质量指数法、有机污染指数法和富营养化指数法评价海水的富营养化水平。单因子质量指数评价结果显示,珠海市近岸海域整体水质状况极差,春、秋季劣四类海水的站位占比分别为90.28%、79.17%。春、秋季DIN超标率分别为94.00%、89.00%,DIP超标率分别为28.00%、78.00%,DIN和DIP是影响整体水质状况的主要原因。整个区域的DIN/DIP均高于Redfield值,处于磷限制状态。有机污染指数评价结果显示,秋季严重有机污染的站位占比为51.39%,春季为56.94%,春季污染覆盖面更广。富营养化指数评价结果显示,春、秋季重度富营养化的站位占比分别为30.56%、31.94%,严重富营养化占比分别为6.94%、25.00%,富营养化程度较高。富营养化指数与COD_Mn存在显著的正相关关系,与盐度呈显著负相关关系,这说明COD_Mn在一定程度上可以反映珠海市近岸海域的富营养化状况,盐度越高富营养化水平越低,间接证明富营养化主要是由陆源污染物引起的,并与径流量以及外海海流的物理混合过程有关。     

基于云模型的水体富营养化程度评价方法

水体富营养化程度评价对生态环境保护具有重要意义.针对水体富营养化程度评价不可避免的模糊性和随机性的特点,本文引入云模型的方法,对我国14个代表性湖库的富营养化程度进行评价.根据确定的评价标准,生成各评价因子隶属于各级别的综合云模型,并针对湖库实测资料,得到各评价物的确定度,由最大确定度决定湖库营养化级别.将该法所得结果与湖库实际水质状况、国内外应用较为广泛且简便的营养状态指数、评分公式法及模糊综合评价法所得结果进行对比,发现评价结果真实可靠,计算过程简洁明了,验证了该方法的可行性和有效性.     

煤矿塌陷湿地水体富营养化评价

以徐州某矿塌陷湿地为研究对象,通过对该矿塌陷湿地水体水质监测数据的分析,采用综合营养状态指数法（TLI）对该塌陷湿地水体的富营养化水平进行了评价。研究结果表明：①该矿塌陷湿地水体水质总体优于GB3838-2002Ⅳ类标准,TN和TP的平均含量分别为0.31mg/L和0.024mg/L,可达到Ⅱ类标准;②整个塌陷湿地水体的综合营养状态指数TLI为47.46,处于中营养状态,有向富营养化状态变化的趋势;③在水质监测数据的基础上,分析了水体营养状态变化的原因,并提出了针对该矿塌陷湿地水体的富营养化控制措施和建议。     

人工神经网络在湖泊富营养化评价中的应用研究

运用人工神经网络技术评价湖泊富营养化程度。详细阐述了神经网络的结构设计，样本生成及学习算法，给出了通过训练得出的网络权和阈值，最后将此神经网络用于１２个湖泊的富营养化评价，取得了较好的评价结果。