基于GA-SVM的渤海湾富营养化模型
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
X I N G in q a A X a —u n , T O i n h a A Ja — u
(. co l f n i n na S i c n n ier g i j iesy i j 0 0 2 hn ; 1S h o o E vr metl c n e dE gn ei ,Ta i Unvri ,Ta i 3 0 7 ,C ia o e a n nn t nn 2 S h o f c aia E g er g i j nv ri ,Taj 0 0 2 hn ) . c o l Meh ncl n i ei ,Ta i U iesy ini 3 0 7 ,C ia o n n nn t n
s a c e o e t b ih GA— VM u r p i a i n m o e r Bo a y b s d o h e d m e s r d d t a d c l r - e r h d t sa l s S e to h c t o d lf h i Ba a e n t e f l a u e a a, n h o o o i
fr fg n t loi m n u p r v co c ie(aa tro t z t na dfa r ee t n h v enr— omso e e cag rh a dsp o e tr i t t mahn p rmee pi ai n e t eslci ) a eb e e mi o u o
第4 4卷 第 3 期 2 1 年 3月 01
天
津
大
学
学
Байду номын сангаас报
、0 .4 N O. ,14 3
J u n l f ini nvri o r a o a j U ies y T n t
M a , 0l t2 1
基 于 GA.VM 的渤 海 湾 富 营 养化 模 型 S
向先全 ,陶建 华
(. 大学环境 科学与工程学院 ,天津 3 0 7 ;2天津 大学 机械丁程学院 ,天津 30 7 ) 1 天津 002 . 0 0 2 摘 要:为 了更好地模拟和认知 渤海湾富 营养化 的复杂行 为 , 通过研 究遗传 算法 ( A) G 和支持 向量机 (VM) 结合形 S 的
式, 即参数 寻优和特征 选择 , 以渤海湾水质实测资料为依据 , 叶绿素 a的质 量浓度为输 出, 建立 了 G S M 的富营养化 A—V
中图 分 类 号 :X1 1T 1 1 7 ;P 8 文 献 标 志 码 :A 文 章 编 号 :0 9 —1 7 2 1)30 1一6 4 32 3 (0 1O —2 5O
Eut 0 i a i n o l fBo i y Ba e o A— V M r ph c t0 M de ha o Ba s d n G S
p y l a c n e th sb e e e t d a h o e u p t F r t , t h l o t n a e n s lc e st e m d l t u . is l wi GA e f a a t e o t i i g f rp n l a a e e o y h s l- d p i p i z n e a t p r m t r v m o y
模 型. 无特征选择 时 , 用遗传 算法对 支持 向量机 的参数 ( 惩罚参数 和核参数) 进行 自适应地优 选 , 预测模 型的均方误差
可达到 1 3 p / , . 1 gL 具有较好 的认 知 、 8 泛化能力. 再利 用遗传 算法二进制编码及启发式寻优 的优 点 , 对所建模型的输入 空间进行特征 选择 , 取 出代表性 的特征 变量 : %、 H值 、 提 DO p 水温 、 O 盐度 以及氨 氮. C D、 特征提取后预 测模 型的均方 误差 可达到 1 6 gL, 型性能有 了很 大提 高. . 3p / 模 3 分析表 明, O 盐度及氨 氮可作 为人 为控 制的首要 指标. C D、 关键词 :富营养化模型 ;支持 向量机 ;遗传算法 ;参数 寻优 ;特征选择 ;渤海 湾
g n r l a i n p r o a c . e wi e e a i t e f r n e Th n, t GA — s d f a u e s l c i n f r t e e t b i h d S z o m h ba e e t r ee t o h s a l e VM o e , o s m d l RM S f S E o VM t s d lwa .6 g L, h wi g g e ti r v m e t rm o e e f r a c . h e r s n a i e f a u e r x e tmo e s 1 3 3 g / s o n r a mp o e n d l ro m n e T e r p e e ttv e t r swe e e — o f p ta t d s c s DO% , H , t rt m p r t r , r ce u h a p wa e e e a u e COD , a i i a d a s l t n mm o i — i o e t e lte r e o ih c u d b n y, n a n t g n, at rt e fwh c o l e r h h c n i e e s ro d x sf r r i c a o to fe to h c t n b s d o t e n l s s o sd r d a i ri e e tf i l n r l u r p i a i a e n f h ra ay i. p n o a i c o o ur Ke wo d : e to h c t n m o e ; s p o e t r m a h n ; g n tc a g rt m ;p r me e s o t i ai n; f au e y rs ur p iai o d l u p r v co c i e t e ei l o i h a a tr p i z t m o e t r s lc i n: Bo a y e e to hi Ba
_
a dk re p rmee,h o t a q aeerr(M S ) fS n en l aa trtero nsu r ro R E o VM s mo e wa .3 gL, dct gpeea l me t t d l s1 , i iai rfrbe e 81 n n
Ab t a t F r b t r sm u a i g a d c g ii g t e c mp e u r p i a i n b h v o s o h iBa t e c m b n n sr c : o e t i l t n o n z n h o e n l x e to h c t e a i r fBo a y, o o h iig
(. co l f n i n na S i c n n ier g i j iesy i j 0 0 2 hn ; 1S h o o E vr metl c n e dE gn ei ,Ta i Unvri ,Ta i 3 0 7 ,C ia o e a n nn t nn 2 S h o f c aia E g er g i j nv ri ,Taj 0 0 2 hn ) . c o l Meh ncl n i ei ,Ta i U iesy ini 3 0 7 ,C ia o n n nn t n
s a c e o e t b ih GA— VM u r p i a i n m o e r Bo a y b s d o h e d m e s r d d t a d c l r - e r h d t sa l s S e to h c t o d lf h i Ba a e n t e f l a u e a a, n h o o o i
fr fg n t loi m n u p r v co c ie(aa tro t z t na dfa r ee t n h v enr— omso e e cag rh a dsp o e tr i t t mahn p rmee pi ai n e t eslci ) a eb e e mi o u o
第4 4卷 第 3 期 2 1 年 3月 01
天
津
大
学
学
Байду номын сангаас报
、0 .4 N O. ,14 3
J u n l f ini nvri o r a o a j U ies y T n t
M a , 0l t2 1
基 于 GA.VM 的渤 海 湾 富 营 养化 模 型 S
向先全 ,陶建 华
(. 大学环境 科学与工程学院 ,天津 3 0 7 ;2天津 大学 机械丁程学院 ,天津 30 7 ) 1 天津 002 . 0 0 2 摘 要:为 了更好地模拟和认知 渤海湾富 营养化 的复杂行 为 , 通过研 究遗传 算法 ( A) G 和支持 向量机 (VM) 结合形 S 的
式, 即参数 寻优和特征 选择 , 以渤海湾水质实测资料为依据 , 叶绿素 a的质 量浓度为输 出, 建立 了 G S M 的富营养化 A—V
中图 分 类 号 :X1 1T 1 1 7 ;P 8 文 献 标 志 码 :A 文 章 编 号 :0 9 —1 7 2 1)30 1一6 4 32 3 (0 1O —2 5O
Eut 0 i a i n o l fBo i y Ba e o A— V M r ph c t0 M de ha o Ba s d n G S
p y l a c n e th sb e e e t d a h o e u p t F r t , t h l o t n a e n s lc e st e m d l t u . is l wi GA e f a a t e o t i i g f rp n l a a e e o y h s l- d p i p i z n e a t p r m t r v m o y
模 型. 无特征选择 时 , 用遗传 算法对 支持 向量机 的参数 ( 惩罚参数 和核参数) 进行 自适应地优 选 , 预测模 型的均方误差
可达到 1 3 p / , . 1 gL 具有较好 的认 知 、 8 泛化能力. 再利 用遗传 算法二进制编码及启发式寻优 的优 点 , 对所建模型的输入 空间进行特征 选择 , 取 出代表性 的特征 变量 : %、 H值 、 提 DO p 水温 、 O 盐度 以及氨 氮. C D、 特征提取后预 测模 型的均方 误差 可达到 1 6 gL, 型性能有 了很 大提 高. . 3p / 模 3 分析表 明, O 盐度及氨 氮可作 为人 为控 制的首要 指标. C D、 关键词 :富营养化模型 ;支持 向量机 ;遗传算法 ;参数 寻优 ;特征选择 ;渤海 湾
g n r l a i n p r o a c . e wi e e a i t e f r n e Th n, t GA — s d f a u e s l c i n f r t e e t b i h d S z o m h ba e e t r ee t o h s a l e VM o e , o s m d l RM S f S E o VM t s d lwa .6 g L, h wi g g e ti r v m e t rm o e e f r a c . h e r s n a i e f a u e r x e tmo e s 1 3 3 g / s o n r a mp o e n d l ro m n e T e r p e e ttv e t r swe e e — o f p ta t d s c s DO% , H , t rt m p r t r , r ce u h a p wa e e e a u e COD , a i i a d a s l t n mm o i — i o e t e lte r e o ih c u d b n y, n a n t g n, at rt e fwh c o l e r h h c n i e e s ro d x sf r r i c a o to fe to h c t n b s d o t e n l s s o sd r d a i ri e e tf i l n r l u r p i a i a e n f h ra ay i. p n o a i c o o ur Ke wo d : e to h c t n m o e ; s p o e t r m a h n ; g n tc a g rt m ;p r me e s o t i ai n; f au e y rs ur p iai o d l u p r v co c i e t e ei l o i h a a tr p i z t m o e t r s lc i n: Bo a y e e to hi Ba
_
a dk re p rmee,h o t a q aeerr(M S ) fS n en l aa trtero nsu r ro R E o VM s mo e wa .3 gL, dct gpeea l me t t d l s1 , i iai rfrbe e 81 n n
Ab t a t F r b t r sm u a i g a d c g ii g t e c mp e u r p i a i n b h v o s o h iBa t e c m b n n sr c : o e t i l t n o n z n h o e n l x e to h c t e a i r fBo a y, o o h iig