基于GA优选参数的SVM水质评价方法研究

被引：13

作者：

周兆永

汪西莉

曹艳龙

机构：

[1] 陕西师范大学计算机科学学院

来源：

计算机工程与应用 | 2008年 / 04期

关键词：

支持向量机; 遗传算法; 参数优选; 水质评价;

D O I：

暂无

中图分类号：

X824 [水质评价];

学科分类号：

071012 ; 0713 ; 083002 ;

摘要：

建立了基于支持向量机的综合水质评价模型,构建了基于浮点数编码的遗传算法来优选模型参数,运用该模型以渭河水质监测数据为例进行了水质评价,并与水质评价的单因子法、主成分分析法和神经网络方法进行了分析比较。实验结果表明,该方法可以较好地实现水质综合评价,能从整体上准确、客观地反映河流水质情况。

引用

页码：190 / 193

页数：4

共 12 条

[1] 人工神经网络模型在太湖富营养化评价中的应用 [J].

任黎 ;

董增川 ;

李少华 .

河海大学学报(自然科学版), 2004, (02) :147-150

[2] 基于D-S理论的多源水质监测数据融合处理 [J].

林志贵 ;

徐立中 ;

黄凤辰 ;

王鸿彦 ;

不详 .

计算机工程与应用 , 2004, (10) :3-5

[3] 基于遗传算法的SVM参数选取 [J].

杨旭 ;

纪玉波 ;

田雪 .

辽宁石油化工大学学报, 2004, (01) :54-58

[4] 支持向量机分类器中几个问题的研究 [J].

朱永生 ;

张优云 ;

不详 .

计算机工程与应用 , 2003, (13) :36-38

[5] 水资源水质评价方法分析与进展 [J].

郭劲松 ;

王红 ;

龙腾锐 .

重庆环境科学, 1999, (06) :1-3+9

[6]

遗传算法与工程优化[M]. 清华大学出版社[日]玄光男, 2004

[7]

水质分析方法与技术[M]. 地震出版社 , 时红等编著, 2001

[8]

统计学习理论的本质[M]. 清华大学出版社 , (美)VladimirN.Vapnik著, 2000

[9]

环境数理统计学应用及程序[M]. 高等教育出版社 , 卢崇飞等编著, 1988

[10] Asymptotic behaviors of support vector machines with Gaussian kernel [J].

Keerthi, SS ;

Lin, CJ .

NEURAL COMPUTATION, 2003, 15 (07) :1667-1689

← 1 2 →