支持向量机在水资源类综合评价中的应用——以全国31个省级行政区水资源合理性配置为例

简要分析水资源类综合评价中存在的问题,针对各种人工神经网络(ANN)应用于水资源类综合评价中存在的缺点,采取基于支持向量机(SVM)基本原理和交叉验证(CV)方法,提出一种通用的CV-SVM水资源类综合评价模型,并构建GA-BP、传统BP及RBF评价模型作为对比模型。首先,基于水资源配置基本内涵,构建水资源合理配置评价指标体系和分级标准,采用随机内插的方法在各评价分级标准阈值间生成训练样本和检验样本,选用决定系数R2等6个统计学指标用于评价模型性能,在达到预期评价精度后将模型应用于水资源类综合评价中,以解决此类综合评价中由于"欠拟合"与"过拟合"降低网络泛化能力的问题。结果表明,CV-SVM模型性能和评价精度优于GA-BP、RBF和BP网络模型,该模型应用于水资源类综合评价是合理可行和有效的。最后应用CV-SVM评价模型,以全国31个省级行政区水资源合理性配置为例进行模型验证。