基于模式识别的区域水资源与经济社会协调度评价

构建适合于相对丰水地区水资源与经济社会发展协调度评价的指标体系和分级标准。基于支持向量机（SVM）与概率神经网络（PNN）模式识别原理及方法,构建SVM与PNN水资源与经济社会发展协调度识别模型。采用随机内插的方法在各分级阈值间生成训练样本和检验样本,在达到预期识别精度后将模型运用于文山州水资源与经济社会发展协调度识别。结果表明:PNN模型对于随机生成的训练样本和检验样本的正确识别率均达到100%,SVM模型对训练样本和测试样本的正确识别率分别达到100%和99.6%,对文山州及各县不同规划水平年水资源与经济社会发展协调度识别结果基本相同,处于2级（良）3级（中）之间,表明研究建立的SVM与PNN模型用于区Ⅱ水资源与经济社会发展协调度识别是合理可行的,模型具有较强的泛化能力和识别精度,可为区Ⅱ水资源与经济社会发展协调度的识别提供新的途径和方法。相对而言,PNN模型识别精度高,收敛速度快,调节参数少,是较为理想的识别模型。