最小二乘支持向量机应用于西安霸河口水质预测

被引：7

作者：

房平 ^{[1
,2
]}

邵瑞华 ^{[1
,2
]}

司全印 ^{[3
]}

任娟 ^{[4
]}

机构：

[1] 西安建筑科技大学环境与市政学院

[2] 西安工程大学环境与化学工程学院

[3] 陕西省环保厅

[4] 西安工程大学纺织与材料学院

来源：

系统工程 | 2011年 / 29卷 / 06期

关键词：

最小二乘支持向量机(LS-SVM); 径向基核函数(RBF); 核函数; 结构风险最小化(SRM); 水质预测模型;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; X832 [水质监测];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 0804 ; 082803 ;

摘要：

利用西安霸河10年的水质平均数据作为数据集,建立了基于最小二乘支持向量机的水质预测模型。通过适当的参数选择,其平均相对误差只有4.95%,预测的准确率达到95%。通过实例计算且与误差逆传播(BP)神经网络、RBF神经网络等预测方法进行了对比分析,表明该方法的平均预测精度较传统的神经网络方法提高约4%,且具有收敛速度快、泛化能力强等优点,可有效用于水质预测。

引用

页码：113 / 117

页数：5

共 10 条

[1]

数据挖掘中的新方法.[M].邓乃扬;田英杰著;.科学出版社.2004,

[2]

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

[3] Optimal control by least squares support vector machines [J].