文献类型：期刊文章

作　　者：聂笃宪[1] 魏伟康[1] 庄泽鸿[1] 吴海童[1] 卜加慧[1]

NIE Du-xian;WEI Wei-kang;ZHUANG Ze-hong;WU Hai-tong;BU Jia-hui(College of Mathematics and Informatics,South China Agricultural University,Guangzhou 510642,China)

机构地区：[1]华南农业大学数学与信息学院

出　　处：《水科学与工程技术》

基　　金：广东省自然科学基金(2017A030313401);2018年度广东省大学生创新创业训练计划项目“基于水文环境检测系统的大数据建模与分析”(201810564101)

年　　份：2019

卷　　号：0

期　　号：3

起止页码：1-4

语　　种：中文

收录情况：普通刊

摘　　要：科学地评价水质可以更好地反映水体质量变化,从而加强水资源污染的防治,而分类方法与模型参数的选取对于水质评价的准确度尤为重要。传统支持向量机SVM对模型参数的选择具有盲目性,为了提高模型分类的准确度,采用基于粒子群优化PSO和遗传算法GA的混合算法HPSOCS对支持向量机中的参数进行优化,选取菏泽市水体污染物监测数据,构建了基于HPSOCS-SVM算法的水质评价模型。实验结果表明,优化后的SVM提高了水质分类的准确度,可广泛应用于水体质量的评估,为水资源的防控治理提供科学的理论依据。

关 键 词：粒子群优化算法 遗传算法  支持向量机 水质评价

分 类 号：X824]