基于支持向量机的水质预测应用实例

水质预测作为水环境污染控制的重要手段,能够预测水质的变化趋势,从而有效地控制水质恶化情况。分析了支持向量机的回归理论和算法;构建了支持向量机水质预测模型。应用实例以通州区新江海河站点为研究对象,取NH3-N浓度和TP浓度为时间序列样本,运用支持向量回归机的理论与方法,构造预测模型,并利用Libsvm软件包和MATLAB软件进行水质预测。从整体预测效果来看,其预测结果能较好地反映水质情况。     

支持向量回归机在水质预测中的应用与验证

以干旱区浅水湖泊乌梁素海的多年实测pH值为例,在分析支持向量回归机算法（ε-SVR）核函数选取的基础上进行了回归分析及预测,并与线性回归、BP神经网络、RBF网络等算法进行了比较。研究结果显示：：（1） 基于径向基核的支持向量回归机模拟效果优于其它核函数;（2）ε-SVR模拟结果与线性回归（LR）、BP神经网络和RBF网络等算法模拟结果相比,其拟合精度与预测精度均比其它三种方法要高。计算结果充分证明了支持向量回归机有较强的学习能力和泛化能力且该方法可以应用于水质预测研究。     

基于SVR逆向模型的拖拉机导航纯追踪控制方法

针对行驶过程中轮胎侧滑量、路面性质等不确定性因素导致传统拖拉机二轮运动学模型难以准确描述拖拉机运动轨迹的问题,提出了一种基于SVR(Support vector regression)逆向模型的拖拉机导航纯追踪控制方法。采用粒度支持向量回归(Granular support vector regression,GSVR)方法建立了拖拉机前进航向的逆向模型,实时获得实际转弯曲率与运动学理论转弯曲率的函数关系,逆向模型对纯追踪导航模型输出进行,校正提高了纯追踪导航控制方法的适应性和动态性能。拖拉机导航系统的路径追踪路面试验结果表明:当行驶距离大于125 m、行驶速度为1.2 m/s时,直线追踪最大横向偏差小于0.061 4 m,较常规纯追踪模型导航方法具有更好的直线追踪性能;田间试验结果表明:该导航控制方法适用于2BFQ-6型油菜精量联合直播机自动对行作业。     

基于MK—SVR模型的小麦叶面积指数遥感反演

提出了运用多核支持向量回归(MK-SVR)算法构建小麦叶面积指数(LAI)遥感监测模型。以2010—2013年试验样点小麦拔节、孕穗、开花3期的实测LAI数据为基础,同步获取我国自主研发的环境减灾卫星HJ-CCD对该研究区域的影像数据,分析了各生育期小麦LAI与8种植被指数间的相关性。以显著相关的植被指数作为输入参数,使用MK-SVR算法构建了每个生育期的小麦LAI反演模型,即MK-SVR-LAI模型。为了评价模型,每期使用单一核支持向量回归(SK-SVR)、偏最小二乘(PLS)回归算法构建了SK-SVR-LAI、PLS-LAI模型。将模型估算LAI值和田间观测LAI值进行比对,以决定系数(R2)和均方根误差(RMSE)为指标评价并比较了模型。结果表明:3个生育期MK-SVR-LAI模型的RMSE值均低于参比模型,拔节期为0.293 1,孕穗期为0.466 8,开花期为0.548 6,且该模型的R2也都最高,拔节期为0.762 4,孕穗期为0.801 8,开花期为0.668 9。     

基于电参数和支持向量回归的牛奶体细胞数定量检测

首先用碘酊染色显微镜体细胞计数法确定了100头不同患病程度的奶牛奶样的体细胞数,然后采用叉指电极在0.01～100 kHz频率范围对奶样进行了交流阻抗测试。在提出该测试系统等效电路的基础上用Zview软件获得了奶样电阻RS、电双层电容Cdl-T、Cdl-P等电参数,并分析了不同患病程度奶牛奶样的电参数特点。最后以镜检体细胞计数结果为标准,用电参数作为输入,建立了牛奶体细胞数的支持向量回归(SVR)预测模型,研究了体细胞数定量检测的可行性。结果表明,随着体细胞数的增加(即患病程度的增加),参数RS减小,而参数Cdl-T、Cdl-P呈非线性变化趋势。该定量预测模型对除N级以外所有奶样的体细胞数都有较高的预测精度,平均相对误差为29.40%。1级(隐性)、2级(较严重)和3级(严重)乳腺炎的检出正确率均达到100%。     

径流预测的支持向量机应用探讨

支持向量机是近年来提出的一种新的机器学习算法，它能针对在样本有限的情况，采用结构风险最小化准则，把学习问题转化为一个二次规划问题来获得最优解，从而克服了神经网络易陷于局部极小值的缺点。尝试将支持向量机算法应用于径流预测，并与BP神经网络方法的预测结果进行了对比，证明SVM方法预测径流量精度要略优于BP神经网络方法。     

基于灰色支持向量机组合模型的农产品产量预测

鉴于灰色预测模型和支持向量机各自的优点,将灰色预测模型与支持向量机相结合,提出灰色支持向量机组合模型,并将该模型应用于花生产量预测中。结果表明,与单一支持向量机和灰色预测模型相比,灰色支持向量机组合模型的预测精度明显提高。     

基于支持向量机回归的营养液调控模型研究

针对目前设施栽培中营养液动态调配精确度低的问题,提出一种基于支持向量机回归(Support vector machine regression,SVR)的营养液调控模型.首先,通过设计嵌套试验采集了13个温度、50组不同Knop营养液(A:99％Ca(N03)2·4H20、B:98％KN03、C:99％KH2P04、D...     

基于随机森林模型的林地叶面积指数遥感估算

林地叶面积指数(Leaf area index,LAI)的准确估测是精准林业的重要体现。为了快速、准确、无损监测林地LAI,利用LAI-2200型植物冠层分析仪获取福建省西部森林样地的LAI数据,结合同期Pleiades卫星影像计算12种遥感植被指数,分析了各样地实测LAI数据和相应植被指数的相关性,进而使用随机森林(RF)算法构建了林地LAI估算模型,以支持向量回归(SVR)模型和反向传播神经网络(BP)模型作为参比模型,以决定系数(R~2)、均方根误差(RMSE)、平均相对误差(MAE)和相对分析误差(RPD)为指标评价并比较了模型预测精度。结果表明:全样本数据中,各植被指数与对应LAI值均呈极显著相关(P0.01),且相关系数都大于0.4;RF模型在3次不同样本组中的预测精度均高于同期的SVR模型和BP模型;3个样本组中RF模型的LAI估测值与实测值的R~2分别为0.688、0.796和0.707,RPD分别为1.653、1.984和1.731,均高于同期SVR模型和BP模型,对应的RMSE分别为0.509、0.658和0.696,MAE分别为0.417、0.414和0.466,均低于同期其他2种模型。     

基于GA优化的支持向量机模型在青椒作物需水量预测中的应用

为节约灌溉用水,采用垄沟集雨覆盖种植技术与滴灌技术相结合(MFR-DI),并对使用该技术种植的青椒进行作物需水量预测.根据多年气象资料、青椒冠层温度以及逐日作物需水量资料,构建了以冠层温度、气象因素为输入因子的预测MFR-DI种植模式下青椒作物需水量的GA-SVM模型,使用2017年的数据对模型进行了测试,结果表明:在...     

灰色动态模型群法在河流水质预测中的应用初探

在对原始数据序列对数变换的基础上，依据灰色系统理论，构造了由6个GM（1，1）模型组成的灰色动态模型群，并用于淮河干流枯水期氨氮浓度变化趋势预测。研究表明，灰色动态模型群法能够充分利用近期水质资料信息预测水质变化趋势；相对单个GM（1，1）模型，灰色动态模型群法能有效改善随机波动数据序列的拟合效果，提高预测精度。     

Modeling the water budget in a deep caldera lake and its hydrologic assessment: Lake Ikeda, Japan

The hydrologic assessment of a lake water budget can be helpful in achieving proper water management and sustainable water use. A model to analyze a lake water budget was developed and verified for Lake Ikeda, Japan. Lake evaporation was estimated by numerical analyses of lake water temperature and the lake energy budget. Inflow from the lake catchment area and leakage from the lake bottom were estimated based on the tank model and Darcy's law, and the model parameters were optimized by the shuffled complex evolution method. The estimated monthly lake evaporation rate is consistent with the evaporation rate estimated by the energy budget Bowen ratio method based on in situ data from 2004 to 2005. Moreover, the calculated time series of daily lake levels agrees well with those of measured lake levels during 1983 to 1999. Thus, the model is useful for evaluating the lake water budget. Numerical analysis reveals seasonal and annual variation characteristics in the water budget components. Precipitation, inflow from the catchment area, and river water supply are generally high during the rainy season from June to July with substantial annual variation. Lake evaporation is greatest in October and least in April, but the annual variation is relatively small. Agricultural water use is relatively high from April to September. There are no marked seasonal changes in leakage and drinking water use. The lake level is generally highest in September and lowest in March, which is characterized by seasonal changes in water budget components. The model was also applied to 17-year simulations under hypothetical hydrologic conditions to examine the effect of water use and agricultural water management on the lake level. Results indicate that river water supply, provided under the agricultural water management system, effectively compensates for the decrease in lake water resulting from agricultural water use.     

基于突变分级模型的淤地坝坝系规划方案优选

淤地坝坝系规划方案优选需要考虑水沙控制能力、拦泥能力、淤地能力与投资效益等多方面的因素,是一个典型的复杂系统多准则决策问题,复杂系统多准则决策通常具有模糊性与不确定性.利用突变理论处理模糊与不确定问题的优势,提出了淤地坝坝系规划方案评价指标体系,建立了基于突变分级评价法的淤地坝坝系规划方案优选模型,给出了应用该模型的具体步骤.将该模型应用于偃师市浏涧河流域坝系方案优选中,对底层指标量纲一化处理并进行归一运算,利用归一公式的聚集机理对各指标的重要性进行量化,比较各方案的总突变隶属函数值,从而确定淤地坝坝系规划方案优选结果.结果表明:方案Ⅰ,Ⅱ,Ⅲ总突变隶属函数值分别为0.959 2,0.918 1,0.948 4,方案Ⅰ最优,其评价结果与传统的人工对比分析方法评价结果一致,从而验证了突变分级评价模型用于淤地坝坝系规划方案优选的合理性和可行性.     

水资源水质水量优化配置分析

本研究旨在实现水资源水质水量的优化配置,通过对水资源水质水量优化配置的生态经济学理论进行分析,指出水资源水质水量优化配置的概念,在内涵分析基础上确定了水资源水质水量优化配置的具体阈值原理和模型体系框架.同时对青海水资源水质水量的优化配置进行分析,指出不同区域的水资源水质水量需要进行针对性的优化配置.     

基于联合时序的混沌时用水量短期预测调度

针对给水优化调度的时用水量高精度短期预测难题,提出一种基于横向分时段和纵向残差修正的联合时序短期混沌预测方法.经模式识别获得关联度高的横向时序为研究样本,重构横向分时段相空间并分析典型时段流量数据的混沌特性,建立混沌预测模型,以在线最小二乘支持向量机作为混沌预测工具得出各时段用水流量;为了能动态跟踪用水突变,实时采集纵向数据序列做残差计算,进而用灰色模型进行残差预测修正以提高预测精度.依据杭州市萧山某大用户时用水量实例,对一段时间的正常用水和突变用水做连续24 h短期混沌预测,在不同方法下的时用水量预测精度作深入对比研究.仿真结果表明：该预测方法对这一类混沌时序短期预测具有良好的计算精度,能很好反映各典型用水日的特点和实时用水变化情况,预测效果明显优于其他预测方法,更易满足供水优化调度的需求.     

工厂化水产养殖溶解氧预测模型优化

为准确预测溶解氧变化趋势,降低水产养殖风险,提出混沌变异的分布估计(CMEDA)算法优化最小二乘支持向量机模型(LSSVR),提高了溶解氧预测精度。并对粒子群算法和遗传算法分别优化的LSSVR模型(PSOLSSVR、GA-LSSVR)以及传统的LSSVR模型与CMEDA优化的LSSVR模型(CMEDA-LSSVR)进行了比较研究。利用该模型对江苏省扬中市红鲷鱼工厂化养殖鱼塘溶解氧含量进行了预测。实验结果表明,CMEDA-LSSVR的预测精度高于其他3种算法,CMEDA-LSSVR、PSO-LSSVR、GA-LSSVR、LSSVR 4种模型预测精度评价指标平均绝对百分比误差分别为0.32%、1.27%、1.98%和2.56%。实际应用结果表明该模型可以为鱼塘水质决策管理提供依据,具有一定的应用价值。     

基于GA-BP神经网络的果园需水量预测

为解决果园需水量预测精度低、鲁棒性差等问题,提出了遗传算法(GA)优化BP神经网络的果园需水量预测模型.选取空气温度、土壤含水率、光照强度3个主要环境因子作为BP神经网络的输入量,利用遗传算法的全局搜索能力优化神经网络权值和阈值,建立GA-BP神经网络模型预测果园需水量.仿真结果表明:GA-BP预测模型的预测值比BP模型更加趋近期望需水量,模型评价指标平均绝对百分比误差(MAPE)、均方根误差(RMSE)和平均绝对误差(MAE),均优于单一BP神经网络模型.与传统的BP神经网络算法相比,GA-BP神经网络模型能较好的表达果园需水量与主要环境因子的非线性关系,具有较高的预测精度和适应性.     

基于熵权法和改进TOPSIS模型的水资源配置综合评价

水资源配置方案的合理确定对区域经济社会可持续发展意义重大.本文利用熵权法对水资源配置评价指标合理赋权,结合改进TOPSIS模型,对某地区水资源配置方案进行综合评价.结果表明:该方法计算科学简单,结果合理可信,能够有效应用于水资源配置方案的综合评价.     

基于熵权-模糊层次分析法的痕灌草莓水肥效应评价

为了评价痕量灌溉条件下水肥耦合处理对温室草莓产量、品质和水肥利用效率的影响,确定最优灌水施肥量.文中采用基于熵权-模糊层次分析法的综合评价指数为应变量、水肥用量为自变量建立预测模型,分析水肥对草莓的影响并计算痕灌条件下温室草莓最优灌水量和施肥量.结果表明:当灌水下限为60.41%、灌水上限为90%、施肥量为N:721.96 kg/hm²,P₂O₅:360.98 kg/hm²,K₂O:721.96 kg/hm²时综合评价指数最大,此时产量为27 008.69 kg/hm²,灌水利用效率为84.48 kg/m³,化肥利用效率15.60 kg/kg.经优化后的痕量灌溉水肥管理模式增产27.26%,灌水利用效率提高22.27%,化肥利用效率提高26.35%.文中构建的预测模型具有较高的可靠性,提出最优水肥管理模式对于温室草莓生产具有指导意义.