CN102073797A - 基于pso和svm混合算法识别太湖入湖河流水质主要影响因素的分析方法 - Google Patents

Abstract

本发明公开了一种基于PSO和SVM混合算法识别太湖入湖河流水质主要影响因素的分析方法，属于水质监控技术领域。本发明方法将PSO算法与SVM算法结合；PSO算法用于优化SVM算法的参数c和g，以利于快速、高效的确定c和g的全局最优值；SVM算法基于最优的c和g，以影响水质的众多影响因素作为特征向量预测不同水质，通过预测率高低识别确定太湖入湖河流水质的主要影响因素。本发明方法能够准确的从影响水质的各种影响因素中识别出主要影响因素，为河流水质的监控预警提供了有利的证据。

Description

基于PSO和SVM混合算法识别太湖入湖河流水质主要影响因素的分析方法

技术领域

本发明涉及一种基于PSO和SVM混合算法识别太湖入湖河流水质主要影响因素的分析方法，属于水质监控技术领域。具体的说就是利用 PSO优化SVM的参数，快速准确的识别影响水质的主要因素，该方法在生物信息识别、图像处理和医学诊断等领域有广泛的应用。

背景技术

近年来，随着人口的增加和经济的快速增长，水环境不断受到污染。影响水体水质的因素很多，例如pH值(pH)、溶解氧(DO)、高锰酸盐指数(COD_Mn )、化学需氧量(COD )、5日生化需氧量(BOD₅ )、氨氮(NH₃-N)、铜(Cu)、锌(Zn)、氟化物(F、以F^一计)、砷(As)、汞(Hg)、镉(Cd)、六价铬(Cr)、铅(Pb)、氰化物(CN)、挥发酚等。由于河流水体的水质状况是由上述多个水质指标组成的复杂系统，在众多的因素中，有的因素是影响水体水质的主要因素，有的因素之间存在错综复杂的关系。因此，在分析过程中可能会出现因为指标间存在共线性问题而无法得到正确结论的情况。为了更好的评价水体的水质，需要确定影响水质的主要因素，并以此进行水体水质的预测。

刘德林（《主成分分析在河流水质综合评价中的应用》，水土保持研究，2006, 13(3).124-125.）等报道的主成分分析法是判断影响水质的主要因素的方法之一。河流水质系统是一个由多因子构成的复杂系统，其综合评价的数量化指标很多。主成分分析法是利用降维的思想，把多指标转化为少数几个综合指标，这样可以在原始数据信息量丢失最小的情况下，减少评价指标，同时客观的确定权重，减少人为干预。然而主成分分析法是一种线性降维技术，表现为其主成分是原始变量的线性组合。而在实际的水质预测中，各指标间有时存在非线性关系，主成分与原始数据之间也呈现非线性关系，线性的降维不能真实的表示出指标间的关系。刘春燕（《深圳市河流水质评价指标筛选方案探讨》，干旱环境监测，2010,24（1）,47-50.）报道的综合污染指数法是另一种判断影响水质的主要因素的方法。综合污染指数是各项评价指标的污染指数之和，污染分担率是其中某项指标的污染分指数占综合污染指数的比例，分担率最大的指标为首要污染物。然而本方法没有考虑因素之间的相关性。因此，两种方法都不能很准确的确定影响水体水质的主要因素。

PSO和SVM的混合算法已经被人们应用于人脸识别、油层识别、财务危机预警等方面，然而在文献及专利中未见有PSO和SVM的混合算法用于识别影响水体水质主要因素的研究。

发明内容

有鉴于此，本发明的目的是利用PSO优化SVM算法的参数c和g，SVM算法基于最优的c和g，以影响水质的众多因素作为特征向量预测不同水质，通过预测率高低识别确定太湖入湖河流水质的主要影响因素。

本发明的技术方案：一种基于PSO和SVM混合算法识别河流水质主要影响因素的分析方法，采用下列步骤：

（1）PSO算法优化SVM算法的参数c和g

先对河流水质影响因素的数据集进行归一化，然后初始化粒子群微粒的位置和速度，并初始化SVM算法的参数，评价每个微粒的适应度，确定微粒的当前最好位置pbest以及gbest，寻找全局最优值，并确定SVM的参数c和g；

（2）SVM算法识别河流水质的主要影响因素

以影响河流水质的不同因素为SVM的特征向量，利用具有最优c和g的SVM算法进行预测，根据预测率高低比较每一因素对水质的影响，从而识别影响水质的主要影响因素。

所述的基于PSO和SVM混合算法识别河流水质主要影响因素的分析方法，将测定的河流水质的24种影响因素，随机分为含有24种、21种、18种、15种、12种、9种及6种影响因素的数据集，分别以这些影响因素为特征向量，对水质进行预测，根据预测率识别确定含有主要影响因素的集合；

所述24种影响因素为氨氮NH₃-N，总氮TN，高锰酸盐指数COD_Mn，总磷TP，石油类，镉Cd，铅Pb，砷As，溶解氧DO，水温，汞Hg，硒Se，pH值，总铜Cu，氟化物F^一，硫化物，电导率，5日生化需氧量BOD₅，化学需氧量COD，总锌Zn，挥发酚、氰化物TCN，六价铬Cr，阴离子表面活性剂LAS。

支持向量机（SVM）是建立在统计学习理论的VC 维理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折衷，以期获得最好的推广能力的方法。在解决小样本、非线性及高维模式识别中表现出许多特有的优势。

粒子群优化（PSO）算法是受人工生命研究结果的启发、通过模拟鸟群觅食过程中的迁徙和群聚行为而提出的一种基于群体智能的全局随机搜索算法，是一种通过叠代搜寻最优值的优化工具，在多目标优化、分类、模式识别等方面有广泛的应用。

将SVM和PSO算法结合，利用 PSO优化SVM的参数，根据SVM的预测率对影响水质的主要因素进行识别。

太湖入湖河流水质主要影响因素的分析过程涉及到的分类问题是一个二分类的线性不可分问题。训练集为{（x₁，y₁），（x₂，y₂），…，（x_n，y_n）}，其中x_i∈Tⁿ为输入向量，输出向量为y_i∈{0,1}，用一个超平面将训练集划分开，该超平面为W·X+b=0，W和b决定了超平面的位置，W·X为两个向量的内积。为了得到最优的划分，该问题被转化为求最优化的超平面。

minΦ（W，ξ）=1/2||W||²+c                                                

.c≥0，(i=1,2,…，n)

y_i[(W·X_i)] ≥1-ξ_i, ξ_i≥0，(i=1,2,…，n)

其中ξ_i是松弛因子，c是对错分样本的惩罚因子。令f(X)= W·X+b，上式的优化问题可转化为：

 (i=1,2,…,n；j=1,2,…,n)

=0, 0≤a_i≤c，(i=1,2,…，n)

对于非线性可分问题，可以通过一个映射函数（核函数），将低维的输入空间Tⁿ映射到高维的特征空间H使线性可分。问题就可以被描述为：Ψ：Tⁿ→H映射到高维空间H中，根据泛函数的有关理论，只要一种核函数满足Mercer条件，它就对应某一空间中的内积，则核函数K(X_i，X_j)= Ψ(X_i) ·Ψ(X_j)，则优化问题转化为：

, (i=1,2,…,n；j=1,2,…,n)

=0, 0≤a_i≤c，(i=1,2,…，n)

从上式可以看出，不需要知道H和Ψ，只需要知道合适的核函数K和c就可以确定支持向量。

本发明使用的核函数为径向基（RBF）核：K(X_i,X_j)=exp（-g||X_i-X_j||）²。RBF核无论是低维、高维、小样本、大样本等情况都是通用的，是比较理想的分类依据函数，也是SVM默认的核函数。

将径向基函数带入上式，最优化问题就转化为下面的最小化问题。

, (i=1,2,…,n；j=1,2,…,n)

其中

=0, 0≤a_i≤c，(i=1,2,…,n)，它的最小值由参数c和g来决定。

参数c的作用是在确定的数据的子空间中调节学习机器置信区间范围，不同数据子空间中最优化的c不同。核参数g的改变实际上隐含的改变映射函数从而改变样本空间分布的复杂程度，也就决定了线性分类达到的最小误差。

使用PSO算法的主要目的是寻找SVM的参数c和g的最优值，以实现整个过程的最优化。

优化过程分为如下步骤：

（1）数据集的划分和归一化

首先是将数据集划分为训练集和预测集。将数据集分成十份取其中一份作为预测集，剩下的作为训练集，如此循环10次。然后赋值给训练集和预测集以及相关标签值，然后进行数据的归一化。

（2）PSO算法进行参数优化

PSO算法是基于群体的行为，根据对环境的适应度将群体中的个体移动到好的区域。

具体过程：

（a）初始化粒子群微粒的位置和速度，并初始化SVM的参数。

（b）评价粒子群中每个微粒的适应度。

（c）对每个微粒，将它的适应度值和经历过的最好位置pbest作比较，选择好的作为当前最好位置pbest。

（d）对每个微粒，将它的适应度和经历过的全局最好位置gbest作比较，如果它的适应度更好则重新设置gbest。

（e）利用粒子速度更新方程变化微粒的位置和速度，进行多次迭代，寻找全局最优的适应度值。

（f）分类器评价

算法的评价分为局部预测率和全局预测率，只有两种预测率都较高时所构建的分类器才可靠。

局部预测率：

，其中

，T_i为第i类样本中预测为正确的数目，n_i为第i类样本的总数目。

全局预测率：

  ，其中N为所有各类样本的样本数目的总和。

本发明的有益效果：本发明公开了一种基于PSO和SVM混合算法进行太湖入湖河流水质影响因素分析的方法。该方法将PSO算法与SVM算法结合；PSO算法用于优化SVM算法的参数c和g，以利于快速、高效的确定c和g的全局最优值；SVM算法基于最优的c和g，以影响水质的众多因素作为特征向量预测不同水质，通过预测率高低识别确定太湖入湖河流水质的主要影响因素。本发明方法能够准确的从影响水质的各种因素中识别出主要因素，为河流水质的预警提供了有利的证据。

具体实施方式

以太湖入湖的十几条河流水质的近千个影响因素的监测数据为依据进行处理，分别以24、21、18、15、12、9和6个因素作为特征向量，利用PSO算法优化参数，构建预测水质污染的分类器。

24个因素为氨氮(NH₃-N)，总氮(TN)，高锰酸盐指数(COD_Mn )，总磷(TP)，石油类，镉(Cd)，铅(Pb)，砷(As)，溶解氧(DO)，水温，汞(Hg)，硒(Se)，pH值，总铜(Cu)，氟化物(F^一)，硫化物，电导率，5日生化需氧量(BOD₅)，化学需氧量(COD)，总锌(Zn)，挥发酚、氰化物(TCN)，六价铬(Cr)，阴离子表面活性剂(LAS)。

 

特征	污染水质预测率	未污染水质预测率	全局预测率
				24个特征	44.07	88.85	73.31
21个特征 （去掉水温、Hg、Se）	31.07	89.14	68.71
				18个特征（再去掉pH、总铜、F一）	57.27	71.94	66.27
15个特征（再去掉硫化物、电导率、BOD5）	54.42	71.34	65.33
				12个特征（再去掉COD、总锌、LAS）	55.13	64.78	61.28
9个特征（再去掉挥发酚、TCN、六价铬）	77.37	60.16	66.49
				6个特征（再去掉DO、Pb、As）	68.11	64.01	65.52

以预测率的高低来识别影响因素集合与水质优劣的相关性。

当输入特征向量是9个特征（NH₃-N，TN，COD_Mn，TP，石油类，Cd，Pb，As，溶解氧）时局部预测率和全局预测率都相对较好。以这9个因素作为SVM的特征向量，利用PSO算法优化SVM的参数c和g。结果如下：

参数c	参数g	全局预测率	污染水质预测率	未污染水质预测率
					25.65	1.41	84.62	77.78	88.24
25.94	1.50	81.48	100	70.59
					1.73	11.31	82.14	80	83.33
18.56	1.35	92.59	88.89	94.45
					31.29	0.01	84.61	88.89	82.35
26.08	1.83	80.77	88.89	76.47
					12.72	2.09	77.78	77.78	77.78

可以判断c和g不同，所得到的预测率也不同，全局预测率最高为92.59%，污染水质预测率最高为100%，未污染水质预测率最高为94.45%，考虑到全局预测率和局部预测率的平衡，选择参数c=18.56，g=1.35，对应的预测率为：全局预测率92.59%，污染水质预测率为88.89%，未污染水质预测率为94.45%。

Claims (2)

1.一种基于PSO和SVM混合算法识别河流水质主要影响因素的分析方法，其特征是采用下列步骤：

（1）PSO算法优化SVM算法的参数c和g

先对河流水质影响因素的数据集进行归一化，然后初始化粒子群微粒的位置和速度，并初始化SVM的参数，评价每个微粒的适应度，确定微粒的当前最好位置pbest以及gbest，寻找全局最优值，并确定SVM算法的参数c和g；

（2）SVM算法识别河流水质的主要影响因素

以影响河流水质的不同因素为SVM的特征向量，利用具有最优c和g的SVM算法进行预测，根据预测率高低比较每一因素对水质的影响，从而识别影响水质的主要影响因素。

2.根据权利要求1所述的基于PSO和SVM混合算法识别河流水质主要影响因素的分析方法，其特征在于将测定的河流水质的24种影响因素，随机分为含有24种、21种、18种、15种、12种、9种及6种影响因素的数据集，分别以这些影响因素为特征向量，对水质进行预测，根据预测率识别确定含有主要影响因素的集合；

所述24种影响因素为氨氮NH₃-N，总氮TN，高锰酸盐指数COD_Mn，总磷TP，石油类，镉Cd，铅Pb，砷As，溶解氧DO，水温，汞Hg，硒Se，pH值，总铜Cu，氟化物F^一，硫化物，电导率，5日生化需氧量BOD₅，化学需氧量COD，总锌Zn，挥发酚、氰化物TCN，六价铬Cr，阴离子表面活性剂LAS。