论文摘要
水质系统是一个开放的、复杂的、非线性动力学系统,具有时变复杂性,针对水质预测方法的研究虽然已经取得了一些成果,但也存在预测精度与计算复杂度等难题。为此,本文提出一种基于最小二乘支持向量回归的水质预测算法。支持向量机是机器学习中一种常用的分类模型,通过核函数将非线性数据从低维映射到高维空间,在高维空间实现线性分类和回归,最小二乘支持向量回归（LS-SVR）利用所有的样本参与回归拟合,使得回归的损失函数不再只与小部分支持向量样本有关,而是由所有样本参与学习修正误差,提高预测精度;同时该算法将标准SVR求解问题由不等式的约束条件及凸二次规划问题转化成线性方程组来求解,提高了运算速度,解决了非线性复杂特性的水质预测问题。
论文目录
文章来源
类型: 期刊论文
作者: 刘红梅,徐英岚,张博,李荣
关键词: 支持向量回归,最小二乘支持向量回归,水质预测
来源: 计算机与现代化 2019年09期
年度: 2019
分类: 信息科技,工程科技Ⅰ辑
专业: 环境科学与资源利用,自动化技术
单位: 北京农业职业学院,北京理工大学
基金: 北京农业职业学院科研项目(XY-XF-18-23)
分类号: TP181;X52
页码: 31-34
总页数: 4
文件大小: 550K
下载量: 530
相关论文文献
- [1].加权多核支持向量回归机在水质预测中的应用[J]. 通化师范学院学报 2016(10)
- [2].基于深度极限学习机的水质预测研究[J]. 华北理工大学学报(自然科学版) 2020(01)
- [3].灰色模型在水库水质预测中的应用研究[J]. 水土保持应用技术 2019(05)
- [4].水质预测模式在环境质量监测中的应用研究[J]. 宁夏农林科技 2012(05)
- [5].复杂边界河流水质预测计算[J]. 山东农业大学学报(自然科学版) 2008(04)
- [6].几种水质预测方法的比较分析[J]. 广东科技 2012(11)
- [7].海参育苗水质预测预警系统的研究[J]. 江苏农业科学 2018(02)
- [8].基于人工神经网络的松花江朱顺屯断面的水质预测[J]. 黑龙江环境通报 2012(03)
- [9].长东北城市生态湿地公园水质预测及富营养化风险分析[J]. 长春理工大学学报(自然科学版) 2011(04)
- [10].改进证据理论融合灰色神经网络的水质预测[J]. 人民黄河 2014(03)
- [11].基于粒子群算法优化的径向基函数水质预测模型[J]. 甘肃水利水电技术 2014(05)
- [12].三峡库区水质预测研究综述[J]. 重庆教育学院学报 2012(03)
- [13].MIKE11模型在浑河流域水质预测中的应用[J]. 水电能源科学 2013(06)
- [14].最小二乘支持向量机应用于西安霸河口水质预测[J]. 系统工程 2011(06)
- [15].基于BP人工神经网络的生化处理水水质预测[J]. 现代化工 2009(12)
- [16].基于PNN网络的水质预测研究[J]. 中国农村水利水电 2019(12)
- [17].水文水质模型联合应用于水库水质预测研究[J]. 中国环境科学 2012(03)
- [18].基于深度学习的水质预测模型研究[J]. 自动化与仪表 2019(06)
- [19].基于GA-BP网络的洱海水质预测研究[J]. 软件导刊 2017(11)
- [20].IEA-PNN模型在水质预测中的应用[J]. 水电能源科学 2010(05)
- [21].灰色理论及神经网络组合模型在水质预测中的应用[J]. 给水排水 2010(S1)
- [22].灰色系统动态模型群GM(1,1)在秦淮河水质预测中的应用[J]. 四川环境 2019(01)
- [23].灰色和神经网络组合模型在水质预测中的应用[J]. 系统工程 2011(09)
- [24].基于Mike21的水库联调水质预测及影响分析[J]. 水电能源科学 2020(04)
- [25].基于LSTM模型的海洋水质预测[J]. 计算机与数字工程 2020(02)
- [26].基于神经网络的污水处理厂水质预测模型[J]. 净水技术 2013(04)
- [27].淮河干流信阳段水质预测模型[J]. 水资源保护 2013(01)
- [28].基于BP神经网络的桃林口水库水质预测[J]. 安徽农业科学 2019(24)
- [29].基于多核LS-SVM的河涌水质预测模型[J]. 环境科学与技术 2013(05)
- [30].最优加权组合预测法在水质预测中的应用研究[J]. 环境科学学报 2012(12)
标签：支持向量回归论文; 最小二乘支持向量回归论文; 水质预测论文;