Print

鸟群算法与支持向量机在饮用水水源地水质评价中的应用

论文摘要

采用回归支持向量机（SVR）和分类支持向量机（SVM）对饮用水水源地水质进行评价。针对支持向量机学习参数难以确定的不足,利用鸟群算法（BSA）优化支持向量机学习参数,提出BSA-SVR及BSA-SVM水质评价模型,以文山州2017年13个饮用水水源地水质评价为例进行实例研究。结果表明:利用BSA寻优支持向量机学习参数可有效提高模型的评价精度和泛化能力。BSA-SVR及BSA-SVM模型对实例水质评价结果相同,各具特点和优势,均可用于相关水质综合评价。

论文目录

  • 1 研究背景
  • 2 评价模型
  •   2.1 鸟群算法仿生原理及数学描述
  •   2.2 支持向量机
  •     2.2.1 回归支持向量机
  •     2.2.2 分类支持向量机
  •   2.3 BSA-SVR及BSA-SVM算法实现步骤
  •     2.3.1 BSA-SVR实现步骤
  •     2.3.2 BSA-SVM实现步骤
  • 3 实例应用
  •   3.1 数据来源
  •   3.2 模型构建与参数设置
  •   3.3 模型检验
  •   3.4 实例应用及结果分析
  • 4 结语

    • 文章来源

    类型: 期刊论文

    作者: 张永祥

    关键词: 水质评价,鸟群算法,支持向量机,参数优化,饮用水水源地

    来源: 珠江现代建设 2019年03期

    年度: 2019

    分类: 工程科技Ⅱ辑,工程科技Ⅰ辑,信息科技

    专业: 环境科学与资源利用,自动化技术

    单位: 云南省水文水资源局文山分局

    分类号: TP18;X824

    页码: 10-16

    总页数: 7

    文件大小: 1755K

    下载量: 9

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/86a61ed4a73faa5e1bf440a6.html