基于多类支持向量机的化学物质生态危害分类研究

应用多类支持向量机(M-SVMs)方法研究了化学物质生态危害程度的分类,以提高分类的准确性和效率.对采集到的61种环境优先污染物的环境行为和生物毒性方面的7项指标进行相关性分析,建立了M-SVMs分类模型并对数据集进行10折交叉验证以评价模型的分类能力,运用所建模型对7种化学物质的生态危害进行预测.结果表明,去除与鱼毒有信息重叠的溞毒指标,选取鱼毒、藻毒、降解性、蓄积性、分配系数和吸附系数6项指标用于构建M-SVMs分类模型;M-SVMs模型识别率较高,交叉验证平均分类正确率达86.89％;对7种化学物质生态危害的预测结果与实际情况基本相符.     

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。