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。     

基于主成分分析和粒子群优化支持向量机的边坡稳定性评价

为科学评价边坡工程的稳定性,优化边坡稳定性的预测精度,提高工作效率,提出了基于主成分分析法(PCA)和粒子群算法(PSO)优化的支持向量机(SVM)模型。首先利用主成分分析法对边坡稳定性影响因子进行特征提取,以获得的主成分作为支持向量机的特征向量建立支持向量机模型,然后通过粒子群算法优化支持向量机参数,最终建立边坡稳定性评价模型,并对边坡实例的稳定性进行预测,结果表明:PCA-PSO-SVM模型的运行速度快,预测准确率达909%,满足工程要求。     

关于环境空气质量和谐度的研究与应用

在目前我国城市都在应用空气污染指数来评价空气质量的基础上,提出应用环境空气质量和谐度来评价大、中型城市环境空气质量,详细阐述了环境空气质量和谐度的定义、评价依据、级别划分、评价方法以及定性描述,并对环境空气质量和谐度对城市环境空气质量评价进行了应用。     

环境空气质量评价的思考及建议

我国目前业务上广泛应用的环境空气质量评价方法对环境管理决策起到了积极的作用,促进了环境空气质量的改善.但随着大气区域性、复合型污染的出现,现行评价技术方法的局限性凸显出来.阐述了我国环境空气质量评价方法的现状,并对现行方法提出了改进建议.为更好地说清环境空气质量现状、变化趋势及存在可能的风险,环境空气质量评价应颁布《环境空气质量评价技术规范》国家标准,适时增加评价项目,将短期与长期评价相结合、综合污染指数与最大污染指数相结合,并增加对区域污染的评价、扩大评价范围,更好地环境管理决策和社会公众服务.     

层次分析法（AHP）在扬州市“十一五”环境空气质量评价中的应用研究

采用层次分析法（AHP）对扬州市“十一五”期间的环境空气质量进行了评价,并将评价结果和传统的单因子法和综合污染指数法进行了分析。结果表明,2005年一2010年扬州市环境空气质量达到二级标准,2009年、2010年的环境空气质量最佳,“十一五”期间环境空气质量整体呈好转趋势。对空气质量影响最大的因子为PM。“十一五”期间各污染物对扬州市环境空气质量的影响程度变化不大。层次分析法可综合考虑三种污染物的协同作用结果,适合于扬州市环境空气质量综合评价。     

多目标决策-理想点法综合评价淮北市环境空气质量

运用多目标决策-理想点法对淮北市环境空气质量进行评价,评价结果表明淮北市环境空气质量达到了2级标准以上,能够达到淮北市环境空气功能区划要求。     

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.     

基于PSO-SVM算法的空气质量分类研究

由于空气组成成分多、含量波动较大,严重影响着分类结果的准确率,因此为了增加空气质量分类预测的可靠性,提出了粒子群（Particle Swarm Optimization,PSO）优化支持向量机（Support VectorMachin,SVM）算法的分类方法。此方法首先通过迭代寻优的方式在全局搜寻最优粒子作为支持向量机的运行参数,之后通过训练集数据进行机器学习建立了支持向量机多分类模型,最后将测试集的输入向量导入该模型得到分类结果。分析结果表明,粒子群优化的支持向量机分类方法能够有效的抑制人为设定运行参数对分类结果的影响,提高了支持向量机的分类准确率,为空气质量等级分类问题提供了一个新的研究思路。     

厦门市环境空气质量的模糊综合评价

根据模糊数学的基本原理,利用厦门市2004-2010年度环境空气质量监测数据,运用模糊矩阵复合运算方法,对厦门城区环境空气质量进行综合评价。评价结果符合厦门市实际情况,较好地揭示出厦门市环境空气污染程度连续、渐变、模糊的特点,给出了空气污染的程度,客观地反应出厦门市环境空气质量是多因素共同作用的结果。最后提出提高厦门市环境空气质量的合理建议。     

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。     

基于遥感技术的县级区域环境质量评价模型研究

建立了一种完全基于遥感数据的县级区域生态环境状况评价模型,该模型利用支持向量机的方法对广西钦州市钦南区HJ-1星CCD数据进行分类,提取土地利用类型,同时建立了生物丰度指数、植被覆盖度指数、水资源密度指数、土壤侵蚀指数和人类活动指数5种评价指标,对这些指数加权求和得到区域生态环境状况指数,定量化评价实验区域生态环境质量.评价结果表明,该区域整体生态环境质量良好,生态环境状况为良的区域占总面积的64.105%,主要集中在钦南区的林地区域,生态环境状况为一般的区域占31.206%,主要分布在水资源丰富的区域,而生态环境状况为差的区域则占3.668%,主要集中在人类活动频繁的城区.     

层次分析模型在室内空气质量评价中的应用研究

当前评价方法没有考虑室内空气质量界线的模糊性,不能真实反映室内空气品质,导致评价结果不准确.提出基于层次分析模型的室内空气质量评价方法,建立室内空气质量评价目标层、准则层和措施层三层递阶的层次结构模型,构造判断矩阵,计算特征向量,得到各自的层次总排序结果,结合室内空气质量评价各指标权重,计算空气各污染物的隶属函数,求导室内空气质量最终评价值.实验结果表明,所提方法获得的室内空气质量评价值与实际调查监测值一致,能够真实反映室内空气质量状况,具有较高的可靠性.     

基于KH-SVM的鄱阳湖水质评价及变化趋势分析

为了提高水质评价结果的精度,更客观地反映水体环境的质量状况,针对支持向量机（support vector machine,SVM）性能易受模型参数的影响,提出了一种基于磷虾群算法（krill herd,KH）优化SVM的模型,将其与地表水环境质量标准相结合,选取5种代表性水质指标作为模型的输入,5类水质标准作为输出,建立了基于KH-SVM的水质评价模型,并利用该模型对鄱阳湖2013—2018年丰水期、平水期和枯水期的水质状况及变化趋势进行研究。结果表明:鄱阳湖北湖区水质基本维持在GB 3838—2002《地表水环境质量标准》Ⅲ—Ⅳ类,而南湖区水质各时期波动较大,其中丰水期多为Ⅱ类水,平、枯水期以Ⅴ类水为主,整体上2013—2018年鄱阳湖水质恶化趋势没有明显改善,水质级别仍处于非优类水平;构建的KH-SVM模型性能良好,与传统评价方法相比可以较好地实现水质综合评价,能够从整体上更准确、客观地反映水体质量状况。该研究成果可为区域地表水资源科学管理及水环境保护提供科学依据。     

基于组合赋权集对分析的空气质量评价——以长沙市为例

空气质量评价是大气环境综合治理的重要基础,合理、科学地对空气质量进行评价,才能做出精确的治理规划和制定有效的治理措施,为大气环境管理提供依据.提出一种基于组合赋权集对分析的空气质量评价方法.该方法首先采用超标倍数法和熵值法分别确定空气质量各评价指标的权重,然后根据离差平方和最小原理建立优化模型确定各评价指标最终的组合权...     

惠州市大气环境容量核定技术研究

利用惠州市环境监测站2002年的主要大气污染资料,以惠州市大气环境容量核定为例,通过污染气象调查、环境空气质量现状及污染源调查与评价、控制区确定等技术路线的实施,以A值法、ISC3模式预测法最终确定二氧化硫（SO2）、二氧化氮（NO2）和可吸入颗粒物（PM10）的环境容量。结果表明：惠州市现状大气环境容量分别为：SO25．544万t/a、NO210．842万t/a、PM1011．256万t/a。该研究成果可作为惠州市合理利用大气环境容量、实现经济建设与环境保护协调发展的技术依据。     

基于气象因素和改进支持向量机的空气质量指数预测

空气污染已成为人类社会面临的严峻挑战,为了构建准确的空气质量预测模型,文章首先运用统计分析方法进行相关性分析,探讨气象要素变化对空气质量的影响;针对传统支持向量机预测精确度受输入变量影响较大的弊端,采用基于熵权理论对变精度粗糙集约简进行了改进,以处理支持向量机的输入变量,提高支持向量机的预测精度;最后以沈阳市的历史气象数据和空气质量指数进行验证。与传统方法相比,所提方法能够将预测准确率由71.28%提高到77.83%,空报率和漏报率也有降低,与实际基本吻合。     

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.     

云模型在城镇空气质量评价中的应用

空气质量评价是当前城镇环境评价的一个重要环节,这一过程存在着很强的模糊性和随机性。云模型把模糊性和随机性完全集成,构成定性与定量之间的映射。文章将云模型引入空气质量评价,结合空气质量评价标准,建立了云模型空气质量评价方法,并通过对比验证了该方法的有效性。