典型文献
基于粒子群算法优化支持向量回归的水质预测模型
文献摘要：
溶解氧是反映水污染程度的一个重要指标,准确的预测可以高效合理地判断水质环境的状况.由于水质环境的实时变化和复杂性以及收集数据的偏差,在水生系统中获得高效、精确的预测模型是困难的.因此,首先利用主成分分析(PCA)确定影响水质溶解氧的变量数目,降低数据维数,为解决变量间的非线性和非平稳性问题,提出用互信息(MI)选取影响强的因素作为预测模型的输入变量.然后利用一种基于高斯函数的非线性递减权重的粒子群算法优化支持向量回归(GNIPSO-SVR)模型中的参数选择过程,有效克服传统SVR预测模型的参数选择问题,并考虑空气中的污染物因素,构建污染物影响的GNIPSO-SVR模型.然后将该模型应用于上海的水质溶解氧的预测中,把GNIPSO-SVR模型与BP神经网络、支持向量回归机(SVR)、粒子群算法优化支持向量回归机(PSO-SVR)的模型对比分析,结果表明,提出的方法可以有效解决溶解氧变量间的冗余性与相关性问题,提高预测精度和运行速度.
文献关键词：
水质监测;支持向量回归机;非线性惯性权重;粒子群优化算法;组合模型
中图分类号：
作者姓名：
石翠翠;刘媛华;陈昕
作者机构：
上海理工大学管理学院,上海 200093
文献出处：
引用格式：
[1]石翠翠;刘媛华;陈昕-.基于粒子群算法优化支持向量回归的水质预测模型)[J].信息与控制,2022(03):307-317
A类：
GNIPSO
B类：
粒子群算法,算法优化,水质预测模型,溶解氧,水污染,污染程度,断水,水质环境,实时变化,收集数据,响水,非平稳性,互信息,MI,高斯函数,非线性递减,线性递减权重,SVR,参数选择,模型应用,支持向量回归机,模型对比分析,冗余性,运行速度,水质监测,非线性惯性权重,粒子群优化算法,组合模型
AB值：
0.279603
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
