CN102902985A - 基于二类支持向量机和粒子群算法的近海水质评价方法 - Google Patents

Abstract

本发明公开了一种基于二类支持向量机和粒子群算法的近海水质评价方法，其包括以下步骤：选择近海水质评价因素作为特征信息，建立样本数据集，并对特征信息进行归一化处理，完成特征信息的预处理，将所有的特征信息组成特征向量；确定近海水质评价等级，对近海水质评价等级进行二进制编码，并构造支持向量机网络；采用粒子群优化算法进行参数寻优并得到最优向量参数；采用最优向量参数对支持向量机网络中的每个二类支持向量机进行训练；S5、利用训练完成的支持向量机网络，输入待分类的样本集，获得对其预测的结果，完成近海水质的等级评价。本发明实现了根据选定的近海海域的污染物特征进行多类近海水质等级的评价。

Description

基于二类支持向量机和粒子群算法的近海水质评价方法

技术领域

本发明属于模式识别与质量评价技术领域，特别是涉及一种基于二类支持向量机和粒子群算法的近海水质评价方法。

背景技术

海洋是地球赖以生存的重要水资源，但是目前面临着越来越严重的水质污染问题。水环境质量评价作为环境质量评价的一项重要内容，是进行环境管理的重要手段之一。对于海水水质综合评价的方法，早期国内外学者大多使用如综合指数法、模糊综合评价法、模糊聚类法等方法，但是这些方法都要事先假定模式或主观规定的一些参数：如模糊综合评价法要给定水质参数的权值；模糊聚类分析要给定隶属函数等，评价结果具有很强的主观性。近年来，国内外都在努力探索更为合理的评价方法，其中人工神经网络评价法被广泛使用，但用其建立水质评价模型存在两个问题：训练样本不足，计算精度不够。由于神经网络结构太大而出现“过拟合”现象，这样建立的模型就无法保证其具有较好的泛化能力和预测能力，所以迫切需要更加精确的水质评价模型。

支持向量机（Support Vetor Machine，SVM）算法是目前在模式识别领域研究的热点，其是Vapnik及其合作者在统计学习理论的基础上，于1995年提出的一种新型机器学习方法，其基本思想是通过事先选择的线性/非线性映射将输入向量X映射到一个高维特征空间Z，然后在这个特征空间中构造最优化的数据分类/数据回归超平面。支持向量机是一种非参数机器学习方法，以结构风险最小化为基本原则，具有严格的理论基础，它根据有限的样本信息在模型的复杂性和学习能力之间寻找最佳折中，以期获得最好的泛化能力，解决了困扰以往机器学习方法的许多问题。但早期的支持向量机只能对线性可分的二类问题进行分类，本发明提出的核函数技巧可以改变这个状况。所谓核函数技巧就是通过一个核函数将线性不可分的样本特征向量映射到一个高维空间中，在这个高维空间类样本能够线性可分；而本发明通过由多个二类支持向量机构造的支持向量机网络，可以解决多类划分问题。但支持向量机的学习能力和泛化能力很大程度上取决于参数的选择，本发明采用的粒子群优化算法是一种群体智能优化算法，可以解决支持向量机的参数寻优问题。粒子群优化算法初始化为一群随机粒子，即随机的初始解，然后粒子们根据自身的飞行经验和群体的飞行经验来调整自己的飞行轨迹，参照最优粒子的位置在解空间中搜索，并通过迭代找到最优解。

发明内容

本发明所要解决的技术问题是提供一种基于二类支持向量机和粒子群算法的近海水质评价方法，其通过多个利用核函数方法的二类支持向量机构造了支持向量机网络，并使用粒子群优化算法进行参数的优化，实现了根据选定的近海海域的污染物特征进行多类近海水质等级的评价。

本发明是通过下述技术方案来解决上述技术问题的：一种基于二类支持向量机和粒子群算法的近海水质评价方法，其特征在于，其包括以下步骤：

S1、选择近海水质评价因素作为特征信息，建立样本数据集，并对特征信息进行归一化处理，完成特征信息的预处理，将所有的特征信息组成特征向量；

S2、确定近海水质评价等级，对近海水质评价等级进行二进制编码，并构造支持向量机网络；

S3、为了能够在更大范围内寻找二类支持向量机的惩罚参数和核函数参数的最佳值，采用粒子群优化算法进行参数寻优并得到最优向量参数；

S4、采用步骤S3所得的最优向量参数对支持向量机网络中的每个二类支持向量机进行训练；

S5、利用步骤S4训练完成的支持向量机网络，输入待分类的样本集，获得对其预测的结果，完成近海水质的等级评价。

优选地，所述步骤S1具体还包括以下两个步骤：步骤S1.1，选取有效的近海水质特征信息,特征信息的选择主要根据已经检测获得的近海海域的污染物特征，包括溶解氧、化学需氧量、活性磷酸盐、无机氮和石油类五项污染指标，收集至少一百种样本作为样本数据集并组成特征信息；步骤S 1.2，选定特征信息后进行归一化处理，根据每项特征信息的最大值和最小值，完成特征信息的归一化后，将所有的特征信息组成特征向量。

优选地，所述归一化处理中使用的公式如下式：

$\left\{\begin{array}{cc}{x}^{\′}=\frac{x-\min \left(x\right)}{\max \left(x\right)-\min \left(x\right)},& \max \left(x\right)\≠\min \left(x\right)\\ x^{\′}=1,& \max \left(x\right)=\min \left(x\right)\end{array}\right.$

其中，x为归一化前的特征信息值，max(x)和min(x)分别表示对x取最大值和最小值，x'为归一化后的特征信息值。

优选地，所述步骤S2具体还包括以下两个步骤：步骤S2.1，确定近海水质评价等级；步骤S2.2，对近海水质等级进行二进制编码，具体是指为每个近海水质等级分配一个二进制编号；步骤S2.3，根据二进制编码的形式，构造出两层的支持向量机网络。

优选地，所述支持向量机均采用径向基函数，其公式为以下式所示：

$K(x_i,x)=e^{-\mathrm{\γ}{\left|\right|x_i-x\left|\right|}^2}$

其中，x,xi为数据样本，是n个d维特征向量，γ是核函数参数。

优选地，所述步骤S3具体还包括以下两个步骤：步骤S3.1,初始化种群；步骤S3.2，计算各粒子的适应度；步骤S3.3，评价种群，比较各适应度大小，计算出个体极值和全局极值；步骤S3.4，更新粒子的速度和位置的公式，产生新种群；步骤S3.5，设置寻优结束条件为：寻优达到最大进化代数，或评价值小于给定精度；检查结束条件，若满足结束条件，则结束寻优；否则转至步骤S3.2。

本发明的积极进步效果在于：一、高效率：利用二进制编码方式进行支持向量机网络的构造，减少了支持向量机网络中的向量机数目，提高了得出评价等级的速度，这样可提高效率。二、准确性高：使用粒子群优化算法对二类支持向量机的参数进行优化，降低了参数选择的盲目性和不准确性，提高了预测精度和稳定性，这样可提高准确性。

附图说明

图1为本发明基于二类支持向量机和粒子群算法的近海水质评价方法的流程图。

图2为近海污染物分界值样本和近海水质等级对应关系示意图。

图3（a）是近海水质等级的二进制编码示意图。

图3（b）是利用二进制编码构造的支持向量网络的示意图。

图4是粒子群算法进行参数寻优的方法流程图。

具体实施方式

为了使本发明所要解决的技术问题、技术方案更加清楚，以下结合附图以实施例，对本发明进一步详细说明。

如图1所示，本发明基于二类支持向量机和粒子群算法的近海水质评价方法包括以下步骤：

步骤1，选择近海水质评价因素作为特征信息，建立样本数据集，并对特征信息进行归一化处理，完成特征信息的预处理，将所有的特征信息组成特征向量。

步骤1具体还包括以下两个小步骤：步骤1.1，选取有效的近海水质特征信息。特征信息的选择主要根据已经检测获得的近海海域的污染物特征，包括溶解氧、化学需氧量、活性磷酸盐、无机氮和石油类五项污染指标，收集至少一百种（或组）样本作为样本数据集并组成特征信息。本实施例中选取渤海湾近岸海域五个测试点在2004—2007年枯水期和丰水期的实测数据作为实验，选取其中至少一百组作为样本数据集并组成特征信息。随机选择约三分之二的样本数据作为训练样本数据，用于建立预测模型；剩余的约三分之一的样本数据作为预测样本数据，用于对所建模型进行评价和验证。步骤1.2，选定特征信息后进行归一化处理，根据每项特征信息的最大值和最小值，将每项特征信息的所有数据线性地转化到[0，1]区间内。归一化处理中使用的公式（转化公式）如下式（1）：

$\left\{\begin{array}{cc}{x}^{\′}=\frac{x-\min \left(x\right)}{\max \left(x\right)-\min \left(x\right)},& \max \left(x\right)\≠\min \left(x\right)\\ x^{\′}=1,& \max \left(x\right)=\min \left(x\right)\end{array}\right.$ …………………式（1）

其中，x为归一化前的特征信息值，max(x)和min(x)分别表示对x取最大值和最小值，x'为归一化后的特征信息值。完成特征信息的归一化后，将所有的特征信息组成特征向量。特征向量x如下式表示：x＝{x₁,x₂,x₃,x₄,x₅}T。其中x₁,x₂,x₃,x₄,x₅分别表示上述的五项归一化后的具体数值。

步骤2，确定近海水质评价等级，对近海水质评价等级进行二进制编码，并构造支持向量机网络。步骤2具体还包括以下三个小步骤：

步骤2.1，确定近海水质评价等级。本实施例采用1998年7月1日起实施的海水水质标准(GB3097．1997)作为评价依据。需要说明的是，海水水质标准未对活性磷酸盐指标的II类和III类进行详细划分，也未对石油类的I类和II类进行详细划分，鉴于这两个区间范围较大，在进行综合评价时容易对分类结果造成影响，因此，以取平均值法对这两个区间进行划分，即活性磷酸盐0．015～0．0225mg／L为II类、0．0225～0．03mg／L为Ⅲ类，石油类≤0．025mg／L为I类，0．025～0．05mg／L为II类。近海水质评价等级如图2所示。由于近海水质标准给出了对应于各类海水水质的污染指标浓度的上(下)限，因此，当各项污染指标值都在各类海水水质规定的污染指标浓度区间内时，该海水水质属于相应的类别，如上述五项污染指标值分别在5~6mg/L、2~3mg/L、0.015~0.0225mg/L、0.20~0.30mg/L和0.025~0.05mg/L时，该海水水质属于II类。这样在上述污染指标区间内进行随机取值，可以生成足够多属于II类近海水质的样本，同理也可在其他区间内取值生成足够多的其他各类近海水质的样本。

步骤2.2，对近海水质等级进行二进制编码，具体是指为每个近海水质等级分配一个二进制编号，如果需要对n种等级进行评价，就需要进行

位的二进制编码。本发明涉及的是对四种近海水质等级进行评价，就只需进行两位的二进制编码，分别为00，01，10和11。二进制编码的位数，决定了网络中二类支持向量机的数目，根据二进制编码每一位上的0或1的值决定对应的二类支持向量机要区分的近海水质等级。这样，得到的近海水质等级的二进制编码示意图如图3（a）所示。

步骤2.3，根据二进制编码的形式，本发明构造出两层的支持向量机网络，如图3（b）所示。其中的每个二类支持向量机均采用径向基函数，其公式为以下式（2）所示：

$K(x_i,x)=e^{-\mathrm{\γ}{\left|\right|x_i-x\left|\right|}^2}$ ………………………………………………………式（2）

其中，x,xi为数据样本，是n个d维特征向量，γ是核函数参数。

步骤3，为了能够在更大范围内寻找二类支持向量机的惩罚参数c和核函数参数γ的最佳值，提高搜索效率，采用粒子群优化算法进行参数寻优并得到最优向量参数。

如图4所示，步骤3具体包括以下六个小步骤：

步骤3.1，初始化种群。设置在一个D维的搜索空间中，由n个粒子组成种群x＝(x₁,x₂,...,x_n)，第i个粒子用一个D维向量x＝(x_i1,x_i2,...,x_in)表示，表示第i个粒子在D维搜索空间中的位置。对应某个粒子i，它的飞行速度v_i＝(v_i1,v_i2,...,v_in)，所经历过的最好位置记为p_i＝(p_i1,p_i2,...,p_in)，它所能获得的群体最好位置为p_g＝(p_g1,p_g2,...,p_gn)。每一步中，粒子根据以下式（3）和式（4）更新自己的速度和位置：

v_id(t+1)=w v_i(t)+c₁r₁(p_id(t)-x_id(t))+c₂r₂(p_gd(t)-x_id(t))………式（3）

x_id(t+1)=x_id(t)+v_id(t+1)………………………………………式（4）

其中w称为惯性权值；d=1,2,…,n；t为当前进化代数，i=1,2,…,S，S为种群规模；r1和r2为分布于[0，1]之间的随机数；c1和c2为两个正常数，为加速因子。本发明方法取w随进化代数从0.9线性递减至0.4；

MaxNumber为最大迭代次数。为了平衡随机因素的作用，本发明方法取c1=c2=2。

步骤3.2，计算各粒子的适应度。

这里，适应度函数定义为：-F＝-∑(yi-yi')，其中y_i和y_i'分别为支持向量机训练输出值和期望输出值。粒子的适应度函数值越大，说明粒子位置越好。

步骤3.3，评价种群x(t)，比较各适应度大小，计算出个体极值和全局极值。

步骤3.4，更新粒子的速度和位置的公式，产生新种群x(f+1)。

步骤3.5，设置寻优结束条件为：寻优达到最大进化代数T_max，或评价值小于给定精度。检查结束条件，若满足结束条件，则结束寻优；否则t=t+l，转至步骤3.2。

步骤3.6，输出结果，得到寻到的粒子最优位置，即最优参数向量（c，γ）。

步骤4，采用步骤3所得的最优向量参数（c，γ）对支持向量机网络中的每个二类支持向量机进行训练。利用LibSVM工具包中的svm-train子程序即可获得一个二类支持向量机分类模型，所有二类支持向量机训练后生成一个二类支持向量机网络。

步骤5，利用步骤4训练完成的支持向量机网络，输入待分类的样本集，获得对其预测的结果，可用LibSVM工具包中的svm-predict子程序获得获得对其预测的结果，完成近海水质的等级评价。比如待测海水样本各项指数为溶解氧5.3mg/L，化学需氧量2.6mg/L，活性磷酸盐0.019mg/L、无机氮0.27mg/L，和石油类0.033mg/L，通过二类支持向量机网络可预测出此样本属于II类。

以上所述的实例只是用于说明本发明，而不构成对本发明的限制。本领域的技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种修改和变更，这些修改和变更仍然在本发明的保护范围内。

Claims (6)

1.一种基于二类支持向量机和粒子群算法的近海水质评价方法，其特征在于，其包括以下步骤：

S1、选择近海水质评价因素作为特征信息，建立样本数据集，并对特征信息进行归一化处理，完成特征信息的预处理，将所有的特征信息组成特征向量；

S2、确定近海水质评价等级，对近海水质评价等级进行二进制编码，并构造支持向量机网络；

S3、为了能够在更大范围内寻找二类支持向量机的惩罚参数和核函数参数的最佳值，采用粒子群优化算法进行参数寻优并得到最优向量参数；

S4、采用步骤S3所得的最优向量参数对支持向量机网络中的每个二类支持向量机进行训练；

S5、利用步骤S4训练完成的支持向量机网络，输入待分类的样本集，获得对其预测的结果，完成近海水质的等级评价。

2.如权利要求1所述的基于二类支持向量机和粒子群算法的近海水质评价方法，其特征在于，所述步骤S1具体还包括以下两个步骤：步骤S1.1，选取有效的近海水质特征信息,特征信息的选择主要根据已经检测获得的近海海域的污染物特征，包括溶解氧、化学需氧量、活性磷酸盐、无机氮和石油类五项污染指标，收集至少一百种样本作为样本数据集并组成特征信息；步骤S1.2，选定特征信息后进行归一化处理，根据每项特征信息的最大值和最小值，完成特征信息的归一化后，将所有的特征信息组成特征向量。

3.如权利要求2所述的基于二类支持向量机和粒子群算法的近海水质评价方法，其特征在于，所述归一化处理中使用的公式如下式：

$\left\{\begin{array}{cc}{x}^{\′}=\frac{x-\min \left(x\right)}{\max \left(x\right)-\min \left(x\right)},& \max \left(x\right)\≠\min \left(x\right)\\ x^{\′}=1,& \max \left(x\right)=\min \left(x\right)\end{array}\right.$

其中，x为归一化前的特征信息值，max(x)和min(x)分别表示对x取最大值和最小值，x'为归一化后的特征信息值。

4.如权利要求1所述的基于二类支持向量机和粒子群算法的近海水质评价方法，其特征在于，所述步骤S2具体还包括以下两个步骤：步骤S2.1，确定近海水质评价等级；步骤S2.2，对近海水质等级进行二进制编码，具体是指为每个近海水质等级分配一个二进制编号；步骤S2.3，根据二进制编码的形式，构造出两层的支持向量机网络。

5.如权利要求4所述的基于二类支持向量机和粒子群算法的近海水质评价方法，其特征在于，所述支持向量机均采用径向基函数，其公式为以下式所示：

$K(x_i,x)=e^{-\mathrm{\γ}{\left|\right|x_i-x\left|\right|}^2}$

其中，x,xi为数据样本，是n个d维特征向量，γ是核函数参数。

6.如权利要求1所述的基于二类支持向量机和粒子群算法的近海水质评价方法，其特征在于，所述步骤S3具体还包括以下两个步骤：步骤S3.1,初始化种群；步骤S3.2，计算各粒子的适应度；步骤S3.3，评价种群，比较各适应度大小，计算出个体极值和全局极值；步骤S3.4，更新粒子的速度和位置的公式，产生新种群；步骤S3.5，设置寻优结束条件为：寻优达到最大进化代数，或评价值小于给定精度；检查结束条件，若满足结束条件，则结束寻优；否则转至步骤S3.2。

Images