最小二乘支持向量机在太湖流域水质评价中的应用

为客观、准确地评价水质状况,从而为水污染防治和水资源合理开发利用提供科学指导,根据最小二乘支持向量机(LS-SVM)的基本原理,引入其分类算法构建太湖流域的水质评价模型,以太湖流域5个重点断面为研究对象,通过对已知训练样本进行学习训练,对测试样本的水质等级进行评价,并将其结果与BP神经网络、判别分析法相比较。结果表明,LS-SVM在太湖流域水质评价方面有着更出色的效果,可为太湖流域水资源管理提供新的参考方法。     

基于支持向量机的西北太平洋柔鱼渔场预报模型构建

柔鱼(Ommastrephes bartramii)是中国在西北太平洋主要的鱿钓捕捞对象。准确预报柔鱼渔场,对减少寻鱼时间、节省油料和提高渔获产量均有积极的意义。该研究将2002年~2012年中国在西北太平洋鱿钓产量数据、渔场时空数据以及海表温度、叶绿素a浓度、表温梯度强度和叶绿素梯度强度等海洋环境因子作为训练数据,基于支持向量机(support vector machine,SVM)的方法,建立了以月为时间分辨率、0.5°×0.5°为空间分辨率的西北太平洋柔鱼渔场的预报模型。该模型以径向基函数(RBF)为核函数,利用10折交叉验证和网格选优法,确定了最优惩罚项因子和核函数参数值的组合(C,γ),分别为1.41和2.83,样本分类精度达73.6%。利用2013年7月~11月环境数据,对模型进行了精度检验,预报准确率为53.4%~60.0%,平均准确率为57.4%。研究认为,在训练数据不够充分的条件下,SVM模型可成为西北太平洋柔鱼渔场预报的一个有效手段。