| 基于PSO-SVM算法的环境监测数据异常检测和缺失补全 |
| |
| 引用本文： | 魏晶茹,马瑜,白冰,任贵召,贺青. 基于PSO-SVM算法的环境监测数据异常检测和缺失补全[J]. 环境监测管理与技术, 2016, 28(4): 53-56 |
| |
| 作者姓名： | 魏晶茹 马瑜 白冰 任贵召 贺青 |
| |
| 作者单位： | 宁夏大学研究生院,宁夏大学研究生院,宁夏大学研究生院,宁夏大学研究生院,宁夏大学研究生院 |
| |
| 基金项目： | 宁夏回族自治区环境保护厅科技攻关基金资助项目（2012005）；宁夏大学研究生创新基金资助项目（GTP201605） |
| |
| 摘 要： | ![]()
针对环境监测数据异常和数据缺失问题,提出了基于支持向量机的粒子群优化数据异常检测和缺失补全算法。利用粒子群优化算法选取较优的支持向量机训练参数组合,以此建立非线性的支持向量机模型,并利用结果模型对测得的真实数据拟合预测。以宁夏回族自治区某污水处理厂的污染物测量数据作为实验数据,结果表明,利用该算法预测数据的准确率可达97.977%,检测异常数据准确度高,缺失数据补全正确。
|
| 关 键 词： | 支持向量机；粒子群；环境监测数据；异常检测；缺失补全；参数优化 |
Anomaly Detection and Missing Completion of Environment Monitoring Data based on PSO SVM |
| |
| Abstract: | ![]()
|
| |
| Keywords: | Support vector machine (SVM) The particle swarm Environmental monitoring data Anomaly detection Missing completion Parameter optimization |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《环境监测管理与技术》浏览原始摘要信息 |
|
点击此处可从《环境监测管理与技术》下载全文 |
|
