最小二乘支持向量机应用于西安霸河口水质预测  

The Application of Least Squares Support Vector Machine Regression in Water Quality Forecast of Xi'an Ba River

作　　者：房平[1,2] 邵瑞华[1,2] 司全印 任娟[4] 

机构地区：[1]西安建筑科技大学环境与市政学院,陕西西安710055 [2]西安工程大学环境与化学工程学院,陕西西安710048 [3]陕西省环保厅,陕西西安710004 [4]西安工程大学纺织与材料学院,陕西西安710048

出　　处：《系统工程》2011年第6期113-117,共5页Systems Engineering

基　　金：渭河水污染防治专项技术研究与示范(2009ZX07212-002);西安工程大学校管科研项目(2005XG07;2006XG16)

摘　　要：利用西安霸河10年的水质平均数据作为数据集,建立了基于最小二乘支持向量机的水质预测模型。通过适当的参数选择,其平均相对误差只有4.95%,预测的准确率达到95%。通过实例计算且与误差逆传播(BP)神经网络、RBF神经网络等预测方法进行了对比分析,表明该方法的平均预测精度较传统的神经网络方法提高约4%,且具有收敛速度快、泛化能力强等优点,可有效用于水质预测。Using the data of the water quality data of Xi＇an Ba river of nearly ten years recorded as the data set,this paper sets up a new Water Quality forecast model based on Least Squares Support Vector Machine Regression（LS-SVMR）.By choosing the model parameter properly,the mean relative percentage error is only about 4.95% and the rate of accuracy comes to 95%.The experimental results indicate that the average predication precision increase by 4 percent,compared to the BP and RBF neural network method,and that this model is faster in computation and had better generalization performance,which proved to be effective in Water Quality Forecast System.

关 键 词：最小二乘支持向量机(LS-SVM) 径向基核函数(RBF) 核函数 结构风险最小化(SRM) 水质预测模型 

分 类 号：X824[环境科学与工程—环境工程]