SOM网络与SVM在水质富营养化评价中的对比  

A comparative study of eutrophication evaluation models based on SOM neural network and SVM

作　　者：石欣[1] 熊庆宇[1] 雷璐宁[1] 

机构地区：[1]重庆大学自动化学院,重庆400044

出　　处：《重庆大学学报（自然科学版）》2010年第3期119-123,共5页Journal of Chongqing University

基　　金：国家科技重大专项(2009ZX07528-003-09);重庆市科技重大攻关项目(CSTC;2006AA7024)

摘　　要：针对复杂水环境中的富营养化评价问题,利用三峡库区水体富营养化监测数据,对自组织映射神经网络和支持向量机模型在解决该评价问题上的性能表现进行对比研究。实验结果表明,2种模型均有较快的计算速度和较高的精度,但与自组织映射网络模型相比,支持向量机模型具有更好的稳定性和抗干扰能力,在参数选择上更为简单。Considering the eutrophication evaluation problems of complicated water environment,using the eutrophication inspection data of the Three Gorges Reservoir district to compare of the eutrophication evaluation models＇ performances based SOM neural network and SVM.The results shows that both models have fast calculation speed and high precision,but compared to SOM neural network model,the SVM model has better stability and anti-jamming capability,also its preferences are simpler.

关 键 词：支持向量机 自组织映射 神经网络 对比 评价 富营养化 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]