加权多核支持向量回归机在水质预测中的应用  

Application of Weighted Multi-kernel Support Vector Regression in Water Quality Prediction

作　　者：张书新[1] 马旭东[1] 陈慧颖[1] 王众[1] ZHANG Shu - xin MA Xu - dong CHEN Hui - ying WANG Zhong(College of Basic Science, Changchtm University of Technology, Changchun, Jilin, 130012, China)

机构地区：[1]长春工业大学基础科学学院,吉林长春130012

出　　处：《通化师范学院学报》2016年第10期27-29,共3页Journal of Tonghua Normal University

基　　金：国家自然科学基金项目"基于三维随机模拟的傍河型水源地污染物迁移转化规律研究"(51278065)

摘　　要：文章提出了一种加权组合多核支持向量机的水质预测方法.在支持向量回归机中,核函数及其参数选择与样本复杂情况密切相关,采用单一核函数的支持向量回归机方法在水质预测中难以达到很好的效果.首先提出的多个不同类型核函数加权组合成的多核支持向量回归机,避免了核函数选择的盲目性和局部最优等非线性优化问题,其次针对各样本重要程度的差异,对于每一个样本的惩罚系数和误差限都给予不同的权重,即利用加权系数的多核支持向量回归机来控制样本异方差对回归预测结果的干扰制约.最后以辽河流域研究区内傍河型地下水水质信息数据作为研究对象,运用多核加权支持向量机的理论和算法建立了水质预测模型.实例表明,该方法对水质预测有较好的结果.A method of water quality prediction for weighted combined multi - kernel support vector machine （SVM） is proposed. In a support vector regression machine, kernel function and its parameter selection are closely related to the complexity of the sample. Experimental results show that the method has good results for water quality prediction.

关 键 词：多核学习 加权支持向量机 预测模型 

分 类 号：O242[理学—计算数学]