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.     

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。     

基于支持向量机的湖泊生态系统健康评价研究

利用支持向量机在处理分类问题、小样本问题和泛化推广方面的优势,构建了基于支持向量机的湖泊生态系统健康评价模型.同时,对广州市最大的人工湖——白云湖的水质及生物群落情况进行了监测,最后运用该模型对白云湖生态系统健康状况进行了评价.评价结果表明,白云湖生态系统处于病态状态,不能达到其净化水质的设计作用.建议从提高进水水质、实施湖区截污和丰富生物量3方面改善白云湖生态系统健康水平.与传统熵权综合健康指数法和熵权模糊综合评价法相比,所建模型更加客观、科学地评价了湖泊生态系统健康状况,能够为湖泊生态系统健康管理提供一定依据,具有广阔的应用前景.     

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.     

基于规范变换与误差修正的回归支持向量机的环境系统预测

为了建立不同环境系统皆能规范、统一、简洁、实用的回归支持向量机预测模型,针对传统的回归支持向量机预测模型存在结构不能普适、规范和统一及用于大样本、多因子预测会出现学习效率低、求解精度差的局限,提出适用于环境系统预测量及其影响因子参照值和规范变换式的设计原则和方法,使规范变换后的影响因子皆"等效"于同一个规范影响因子;为提高样本的预测精度,还提出预测样本的模型输出的误差修正法.在对环境系统的预测量及其影响因子进行规范变换的基础上,由有m个规范影响因子的每个建模样本生成m个"等效"训练样本,从建模样本中,选择各影响因子的最大规范值组成训练样本集的"参考样本",计算核函数中每个训练样本相对于"参考样本"的范数;并应用优化算法优化模型参数,建立适用于预测量及其影响因子规范值的仅有2个或3个支持向量的两种简单结构的回归支持向量机预测模型.将基于规范变换的两种简单结构的回归支持向量机模型与相似样本误差修正法相结合,用于河津大桥监测断面6个样本的COD月平均值预测,并与多种传统预测模型和方法进行了比较.结果表明:对同一个预测样本,两种模型的预测值十分接近;此外,两种预测模型用于6个样本预测,其相对误差绝对值的平均值分别为2.09%、2.79%,均远小于传统的投影寻踪回归预测的41.63%、支持向量机预测的40.99%、灰色神经网络预测的25.94%和马尔可夫预测的10.16%;而两种预测模型对异常样本预测的最大的相对误差绝对值分别为5.85%、5.13%,更加远远小于传统的4种预测模型的169.07%、180.45%、68.44%、41.96%.两种基于规范变换的回归支持向量机预测模型简洁、普适、规范和统一,避免了"大样本数困难",提高了学习效率和模型的预测精确度,对其他预测建模法也有借鉴作用.     

基于粗糙集的支持向量机地下水质量评价模型

以辽宁绥中县第四系松散岩类孔隙水的10组水质监测数据为基础,选取pH值、Cl^-、SO₄^2-、NH₄⁺、NO₂^-、NO₃^-、F^-、总硬度、总溶解固体等14项水质评价指标,采用粗糙集对指标进行约简,将基于属性依赖度和信息熵的启发式算法结合,获得属性约简集,应用支持向量机分别评价约简前后的地下水质量.结果表明,属性约简将14项水质指标精简为8项,水质评价结果与约简前保持一致,区域地下水普遍在III类以上,部分地区铁、"三氮"等超标,不适宜饮用.粗糙集和支持向量机的联合应用,在保证分类能力的前提下有效地减少冗余指标,降低运算维度,保证水质评价的合理性.     

支持向量机在环境空气质量评价中的应用

环境质量评价是环境科学的重要组成部分。建立环境空气质量评价的支持向量机模型,并用实例进行验证,评价结果与实际情况及其它方法相吻合,表明支持向量机在环境空气质量评价中的可行性和有效性。     

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.     

基于改进支持向量机的石煤提钒行业清洁生产评价研究

采用遗传算法(GA)对支持向量机(SVM)进行改进,并将其应用于石煤提钒行业清洁生产评价.在系统研究石煤提钒工艺类型的基础上,根据前期已建立的石煤提钒行业清洁生产评价指标体系,提出GA改进SVM的应用思路,通过对3种工艺类型企业的现场数据采集,形成训练和测试样本,并利用GA算法确定出各类参数(惩罚参数C和核函数参数g),分别为强酸浸工艺C=2.1049,g=5.2184;弱酸浸工艺C=0.0035286,g=1.9947;水浸工艺C=0.39587,g=1.4105.GA-SVM模型测试结果表明,分类精度达到100%.通过与其他评价方法对比表明,训练好的GA-SVM方法针对小样本数据在分类精度和可操作性上都较其他方法有明显优势,实现了对石煤提钒行业清洁生产水平的定量评价.     

以程海为例用支持向量机回归算法预测叶绿素a浓度

应用支持向量机回归（SVR）算法预测程海富营养化水体叶绿素a（Chl-a）的浓度,用留一法交叉验证（LOOCV）优化SVR预测模型的参数,并根据平均相对误差（MRE）,讨论SVR预测模型的准确性。结果表明：用径向基核函数构建的SVR预测模型预测结果最优;SVR预测模型的预测值和实测值具有很好的一致性,相关系数为0.938,MRE为12.30%。SVR预测模型的建模结果优于人工神经网络（BP-ANN）预测模型,说明SVR算法能够准确预测Chl-a浓度。     

巢湖富营养化对轮虫的影响研究

从2002年8月至2003年7月对富营养化的巢湖轮虫进行调查研究。结果表明,巢湖轮虫有48种,轮虫密度为520ind./L,生物量为0.4778mg/L;夏季种类最多,春冬季次之,秋季最少。春、夏季密度较高,生物量春季最高,冬季次之,秋季最低。西区密度是东区的5.2倍,生物量是东区的10.1倍;自东向西,随着富营养化程度的加深,轮虫种类逐渐增多,其现存量与富营养化水平密切相关。该研究将为巢湖水域的污染控制和综合治理提供科学依据。     

基于决策树支持向量机算法的船用设备故障诊断

目的 提高船用设备的智能化水平,增强船舶的安全性、可靠性,对船上设备进行状态监测,并基于监测数据对设备健康状况进行评估,对可能存在的故障工况进行识别.方法 通过采集机舱内的振动数据,对数据进行预处理、快速傅里叶变换,提取1/3倍频带特征,将倍频带谱信号作为特征向量,利用支持向量机算法进行模型训练及分类.对于船上多种工况...     

基于SOM-SVM组合分类器的涂层防护性能研究

目的为避免EIS,EN技术可能出现的问题,建立一个准确、高效的评价模型,以探究现役军用有机涂层防护性能。方法利用电化学阻抗谱(EIS)、电化学噪声(EN)技术分析了两种军车有机涂层在循环暴露试验中的腐蚀行为,提取低频阻抗模值|Z|_(0.1 Hz)与涂层噪声电阻R_n两种电化学评价参数作为自组织神经网络(SOM)的输入训练样本,同时结合支持向量机(SVM)方法建立涂层防护性能组合分类器。结果将涂层失效过程自适应地分为涂层防护性能良好、防护性能下降、基本失效三个阶段。结论所建立的SOM-SVM组合分类器对于辅助分析涂层防护性能具有可行性。     

基于粗糙集和支持向量机的标准农田地力等级评价

标准农田是耕地的精华,是确保国家粮食安全的关键。科学评价标准农田地力等级对标准农田培肥和土壤改良有着重要意义。将粗糙集(Rough Set,RS)理论和支持向量机(Support Vector Machine,SVM)相结合,提出了基于RS和SVM的标准农田地力等级评价方法,同时,利用遗传算法的并行搜索结构和模拟退火的概率突跳特性,提出了GASA优化SVM参数算法。该方法首先在确定标准农田地力等级评价指标的基础上,利用地力调查样本数据及传统的指数和法评价结果构建RS决策表,应用RS穷尽算法对决策表进行约简,剔除冗余的评价指标,然后用约简后的评价指标作为SVM的输入,运用GASA优化SVM参数算法对SVM进行训练,建立标准农田地力等级的RS-SVM评价模型。应用该方法对温州市鹿城区标准农田地力等级进行评价,与未用RS约简的SVM模型和BP神经网络模型评价结果进行对比,SVM模型和BP神经网络模型的输入指标数均为15个,其评价正确率分别为100%和90%;RS-SVM模型的输入指标数为14个,其评价正确率分别为100%,结果表明,该方法通过RS约简评价指标后,SVM评价精度并没有降低,但降低了SVM输入向量维数和计算复杂度,提高了训练效率;SVM 用于标准农田地力等级评价,具有比BP神经网络更高的评价精度,可有效用于标准农田地力等级评价,为耕地地力评价提供了新方法。     

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.      

Study on pollution and eutrophication in the Chaohu Lake

Effect of the pollution on the Chaohu Lake ecosystem has been described based on the results obtained by analysis of water samples and field survey. The environmental behavior of pollutants and their toxicity is discussed in relation to biological effects. Most of the chemicals identified by GC/MS are biodegradable in the water environment except for some organochlorinated hydrocarbons and PAHs. The pollution of the water body particularly cutrophication has led not only to disruption of natural scenic beauty, but also to changes of biotic communities and extinction of certain species. Deterioration of water quality, eutrophication in particular have certainly had an impact on aquatic organisms and on the human health in this region.     

小波支持向量机在大气污染物浓度预测中的应用

用小波分解重构和支持向量机相结合的方法,建立大气污染物浓度预测模型。通过小波分解,将大气污染物浓度序列分解为不同频段的小波系数序列,再对各层的小波系数序列重构到原尺度上。利用相关分析的方法构建出低频小波系数a3和中频小波系数d3的支持向量机模型输入因子为前一天小波系数a3和7个气象因子;高频小波系数d2和d1以前三日的小波系数为输入因子,然后对各小波系数序列采用相应的支持向量机模型进行预测,各小波系数均使用ν-支持向量回归机(ν-SVR)算法和径向基函数,最后通过小波重构合成大气污染物浓度序列的最终预测结果。通过对大气SO2浓度预测实例证明,该大气污染物浓度预测模型具有推广能力较强、预测精度较高、训练速度快、便于建模等优点,具有良好的应用前景。     

生态水力学原理在巢湖富营养化控制中的应用

首先介绍了生态水力学原理,接着在分析研究工作的基础上,对巢湖水质富营养化问题进行了分析和探讨,期望从理论与实践的结合上,对巢湖富营养化治理起到一定的科学指导作用。     

滇池湖泊富营养化动力学模拟研究

针对滇池富营养化情况 ,利用实测资料 ,建立了叶绿素a、透明度、藻量与总氮、总磷之间的相关关系式 ,利用水动力学原理建立垂向平均化的水动力学模型 ,并对总氮、总磷及叶绿素a、透明度和藻量分布进行了模拟计算。对滇池湖泊富营养化的控制提供科学依据。