基于偏最小二乘回归和SVM的水质预测

被引：46

作者：

张森

石为人

石欣

郭宝丽

机构：

[1] 重庆大学自动化学院

来源：

计算机工程与应用 | 2015年 / 15期

关键词：

水质预测; 偏最小二乘回归; 支持向量机; 预测模型; 粒子群优化算法;

D O I：

暂无

中图分类号：

X832 [水质监测]; TP18 [人工智能理论];

学科分类号：

090810 [水产品加工与质量安全]; 140502 [人工智能];

摘要：

针对传统水质预测方法中水质因子的多重相关性造成预测精度低的问题,提出了一种将偏最小二乘法和支持向量机相耦合的水质预测方法。利用偏最小二乘法提取对水质因子影响强的成分,从而克服了信息冗余问题,并降低了支持向量的维数。利用支持向量机建模可以较好地解决高维非线性小样本问题。同时利用改进的PSO算法优化SVM参数,减小参数搜索的盲目性。研究结果表明,本耦合模型的预测精度和运行效率明显优于常用的BP人工神经网络和传统的支持向量机,可以更好地应用于水质预测。

引用

页码：249 / 254

页数：6

共 13 条

[1]

偏最小二乘法与神经网络耦合的大坝监测模型 [J].

吕蓓蓓 ;

杨远斐 .

人民黄河, 2013, 35 (03) :84-85+89

[2]

遗传和模拟退火算法在水质模型参数确定中的应用简介 [J].

贺松年 ;

郭振远 .

四川环境, 2010, 29 (04) :134-138

[3]

基于改进的SOM神经网络在水质评价分析中的应用 [J].

雷璐宁 ;

石为人 ;

范敏 .

仪器仪表学报, 2009, 30 (11) :2379-2383

[4]

主成分回归和偏最小二乘法在高炉冶炼中的应用 [J].

曾九孙 ;

刘祥官 ;

罗世华 ;

颜光 .

浙江大学学报(理学版), 2009, 36 (01) :33-36

[5]

各水质因子之间及与三角帆蚌生长的相关性研究 [J].

陈瑛 ;

沈梅 ;

沈海铭 ;

金叶飞 .

浙江农业科学, 2006, (03) :338-341

[6]

水源水中氮元素化合物与相关污染指标间的关系分析[J] 袁建生中国公共卫生 2000, 05

[7]

支持向量机在湖泊富营养化评价及水质预测中的应用研究 [D].

武国正 .

内蒙古农业大学,

2008

[8]

一种改进SOM神经网络及其在水质评价中的应用研究 [D].

雷璐宁 .

重庆大学,

2009

[9]

A Hybrid Approach of Support Vector Machine with Differential Evolution Optimization for Water Quality Prediction[J] Lv Jiake;Wang Xuan;Zou Wei Journal of Convergence Information Technology 2013,

[10]

An efficient self-organizing RBF neural network for water quality prediction[J] Hong-Gui Han;Qi-li Chen;Jun-Fei Qiao Neural Networks 2011,

← 1 2 →