CN115762669A - 一种基于改进灰色关联分析算法和粒子群优化多分类支持向量机的河流水质评估方法 - Google Patents

一种基于改进灰色关联分析算法和粒子群优化多分类支持向量机的河流水质评估方法 Download PDF

Info

Publication number
CN115762669A
CN115762669A CN202211580953.0A CN202211580953A CN115762669A CN 115762669 A CN115762669 A CN 115762669A CN 202211580953 A CN202211580953 A CN 202211580953A CN 115762669 A CN115762669 A CN 115762669A
Authority
CN
China
Prior art keywords
water quality
river water
particle swarm
support vector
vector machine
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202211580953.0A
Other languages
English (en)
Inventor
盖荣丽
郭志斌
孔祥宙
魏凯
王晓红
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dalian University
Original Assignee
Dalian University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Dalian University filed Critical Dalian University
Priority to CN202211580953.0A priority Critical patent/CN115762669A/zh
Publication of CN115762669A publication Critical patent/CN115762669A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A20/00—Water conservation; Efficient water supply; Efficient water use
    • Y02A20/152—Water filtration

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于改进灰色关联分析算法和粒子群优化多分类支持向量机的河流水质评估方法，包括：获取水质数据，并进行归一化处理；利用改进的灰色关联分析算法得到水质指标与水质类别之间的相关系数，并进行特征选择；通过粒子群算法优化多分类支持向量机，建立河流水质评估模型；将归一化处理后的水质数据输入至河流水质评估模型中，所述河流水质评估模型输出河流水质类别。本发明充分考虑了水质指标的主观、客观权重，有效的利用了水质指标之间相关性，并且通过粒子群算法优化多分类支持向量机，极大地提高了河流水质评估模型的准确度。

Description

一种基于改进灰色关联分析算法和粒子群优化多分类支持向 量机的河流水质评估方法
技术领域
本发明涉及河流水质评估技术领域，具体涉及一种基于改进灰色关联分析算法和粒子群优化多分类支持向量机的河流水质评估方法。
背景技术
随着大数据技术以及人工智能技术的发展，其已经在包括河流水质评估在内的现代水环境管理中得到了广泛应用。水环境智能管理是水环境保护的发展要求，并且已经成为智慧水利发展的必然趋势。以机器学习、深度学习等新兴算法为依托，发达国家大力发展水环境智能监测、水环境智能管理、智慧水利，将信息技术与水环境保护深度融合，使水环境智能管理进入了一个全新的发展阶段。
现有的河流水质评估方法考虑了多种水质指标对水环境的影响，但并没有分析指标之间的相关性。河流水质数据是灰色的、局部的，因此使用灰色关联分析算法计算指标之间的相关性，但是灰色关联分析是平权计算指标之间相关性，没有考虑主、客观权重，在进行相关性计算时会产生一定影响，从而对评估结果正确性产生影响，在实际应用存在一定不足。
发明内容
针对现有技术存在上述问题，本发明提供一种基于改进灰色关联分析算法和粒子群优化多分类支持向量机的河流水质评估方法，极大地提高了水质评估的准确率。
为实现上述目的，本发明的技术方案为：一种基于改进灰色关联分析算法和粒子群优化多分类支持向量机的河流水质评估方法，包括：
获取水质数据，并进行归一化处理；
利用改进的灰色关联分析算法得到水质指标与水质类别之间的相关系数，并进行特征选择；
通过粒子群算法优化多分类支持向量机，建立河流水质评估模型；
将归一化处理后的水质数据输入至河流水质评估模型中，所述河流水质评估模型输出河流水质类别。
进一步的，所述水质数据包括溶解氧、温度、浊度、氨氮、高锰酸盐指数、氢离子浓度和总硬度。
进一步的，所述改进的灰色关联分析算法为：
Figure BDA0003990876910000021
Figure BDA0003990876910000022
其中αj为水质指标的主观权重，βj为水质指标的客观权重，ωj为水质指标的组合权重，sj(i)为水质指标的关联系数，r(j)为水质指标之间相关性，n为水质数据数量。
进一步的，通过粒子群算法设计一种粒子来模拟水质数据，所述粒子群算法为：
Figure BDA0003990876910000031
Figure BDA0003990876910000032
其中Vj为粒子速度，Zj为粒子位置，ω为惯性权重，c1和c2是学习因子，r1和r2是[0，1]范围内的任意数字；Pbt为局部最优解，Gbt为全局最优解。
进一步的，所述河流水质评估模型为：
Figure BDA0003990876910000033
Figure BDA0003990876910000034
Figure BDA0003990876910000035
Figure BDA0003990876910000036
其中
Figure BDA0003990876910000038
为超平面的法向量，C为正则化参数，M为决策函数数量，
Figure BDA0003990876910000037
为松弛变量，bij为截距，ym为河流水质评估类别，i和j代表两种水质类别。
本发明由于采用以上技术方案，能够取得如下的技术效果：相比于其他水质评估方法，本发明充分考虑了水质指标的主观、客观权重，有效的利用了水质指标之间相关性，并且通过粒子群算法优化多分类支持向量机，极大地提高了河流水质评估模型的准确度；该方法能够较好的评估河流水质量情况，实现了河流水环境的智能化管理，具有实际意义。
附图说明
图1为河流水质评估方法总体框架图；
具体实施方式
本发明的实施例是在以本发明技术方案为前提下进行实施的，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述实施例。
实施例1
本实施例提供一种基于改进灰色关联分析算法和粒子群优化多分类支持向量机的河流水质评估方法，包括：
S1.获取水质数据，并进行归一化处理；
具体的，通过采集传感器获取水质数据，所述水质数据包括溶解氧、温度、浊度、氨氮、高锰酸盐指数、氢离子浓度和总硬度。
S2.利用改进的灰色关联分析算法得到水质指标与水质类别之间的相关系数，并进行特征选择；
具体的，由于灰色关联分析算法是平权计算水质指标之间的相关性，没有考虑指标之间的权重，因此提出一种改进的灰色关联分析算法，加入主、客观权重来计算指标之间的相关性，进而使计算结果更准确。所述改进的灰色关联分析算法为：
Figure BDA0003990876910000041
Figure BDA0003990876910000042
其中αj为水质指标的主观权重，βj为水质指标的客观权重，ωj为水质指标的组合权重，sj(i)为水质指标的关联系数，r(j)为水质指标之间相关性，n为水质数据数量。
S3.通过粒子群算法优化多分类支持向量机，建立河流水质评估模型；
具体的，通过粒子群算法设计一种粒子来模拟水质数据，所述粒子群算法为：
Figure BDA0003990876910000051
Figure BDA0003990876910000052
其中Vj为粒子速度，Zj为粒子位置，ω为惯性权重，c1和c2是学习因子，r1和r2是[0，1]范围内的任意数字；Pbt为局部最优解，Gbt为全局最优解。
S4.将归一化处理后的水质数据输入至河流水质评估模型中，所述河流水质评估模型输出河流水质类别；
具体的，所述河流水质评估模型为：
Figure BDA0003990876910000053
Figure BDA0003990876910000054
Figure BDA0003990876910000055
Figure BDA0003990876910000056
其中
Figure BDA0003990876910000058
为超平面的法向量，C为正则化参数，M为决策函数数量，
Figure BDA0003990876910000057
为松弛变量，bij为截距，ym为河流水质评估类别，i和j代表两种水质类别。
在分类中使用投票策略：每次二元分类都被认为是一次投票，最后取具有最大投票数的类别做为分类结果。
将其他相关分析算法与本发明的河流水质评估方法作对比，发现，本申请的水质指标相关性计算更准确，评估结果的均方根误差更低。
方法 均方根误差
GRA 0.5218
AHP-GRA 0.3743
CRITIC–GRA 0.4493
本发明的河流水质评估方法 0.3584
本发明的实施例有较佳的实施性，并非是对本发明任何形式的限定。本发明实施例中描述的技术特征或技术特征的组合不应当被认为是孤立的，它们可以被互相组合从而达到更好的技术效果。本发明优选实施方式的范围也可以包括另外的实现，且者应被发明实施例所属技术领域的技术人员所理解。

Claims (5)

1.一种基于改进灰色关联分析算法和粒子群优化多分类支持向量机的河流水质评估方法，其特征在于，包括：
获取水质数据，并进行归一化处理；
利用改进的灰色关联分析算法得到水质指标与水质类别之间的相关系数，并进行特征选择；
通过粒子群算法优化多分类支持向量机，建立河流水质评估模型；
将归一化处理后的水质数据输入至河流水质评估模型中，所述河流水质评估模型输出河流水质类别。
2.根据权利要求1所述一种基于改进灰色关联分析算法和粒子群优化多分类支持向量机的河流水质评估方法，其特征在于，所述水质数据包括溶解氧、温度、浊度、氨氮、高锰酸盐指数、氢离子浓度和总硬度。
3.根据权利要求1所述一种基于改进灰色关联分析算法和粒子群优化多分类支持向量机的河流水质评估方法，其特征在于，所述改进的灰色关联分析算法为：
Figure FDA0003990876900000011
Figure FDA0003990876900000012
其中αj为水质指标的主观权重，βj为水质指标的客观权重，ωj为水质指标的组合权重,sj(i)为水质指标的关联系数，r(j)为水质指标之间相关性，n为水质数据数量。
4.根据权利要求1所述一种基于改进灰色关联分析算法和粒子群优化多分类支持向量机的河流水质评估方法，其特征在于，通过粒子群算法设计一种粒子来模拟水质数据，所述粒子群算法为：
Figure FDA0003990876900000021
Figure FDA0003990876900000022
其中Vj为粒子速度，Zj为粒子位置，ω为惯性权重，c1和c2是学习因子，r1和r2是[0,1]范围内的任意数字；Pbt为局部最优解，Gbt为全局最优解。
5.根据权利要求1所述一种基于改进灰色关联分析算法和粒子群优化多分类支持向量机的河流水质评估方法，其特征在于，所述河流水质评估模型为：
Figure FDA0003990876900000023
Figure FDA0003990876900000024
Figure FDA0003990876900000025
Figure FDA0003990876900000026
其中w为超平面的法向量，C为正则化参数，M为决策函数数量，
Figure FDA0003990876900000027
为松弛变量，bij为截距，ym为河流水质评估类别，i和j代表两种水质类别。
CN202211580953.0A 2022-12-09 2022-12-09 一种基于改进灰色关联分析算法和粒子群优化多分类支持向量机的河流水质评估方法 Pending CN115762669A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211580953.0A CN115762669A (zh) 2022-12-09 2022-12-09 一种基于改进灰色关联分析算法和粒子群优化多分类支持向量机的河流水质评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211580953.0A CN115762669A (zh) 2022-12-09 2022-12-09 一种基于改进灰色关联分析算法和粒子群优化多分类支持向量机的河流水质评估方法

Publications (1)

Publication Number Publication Date
CN115762669A true CN115762669A (zh) 2023-03-07

Family

ID=85344986

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211580953.0A Pending CN115762669A (zh) 2022-12-09 2022-12-09 一种基于改进灰色关联分析算法和粒子群优化多分类支持向量机的河流水质评估方法

Country Status (1)

Country Link
CN (1) CN115762669A (zh)

Similar Documents

Publication Publication Date Title
CN106228185B (zh) 一种基于神经网络的通用图像分类识别系统及方法
CN110263934B (zh) 一种人工智能数据标注方法和装置
CN113435707B (zh) 基于深度学习和计权型多因子评价的测土配方施肥方法
CN110443117B (zh) 一种风电机组故障诊断方法
CN114429152A (zh) 基于动态指数对抗性自适应的滚动轴承故障诊断方法
CN111638034B (zh) 基于深度学习的应变天平温度梯度误差补偿方法及系统
CN108090515A (zh) 一种基于数据融合的环境等级评估方法
CN115602337A (zh) 一种基于机器学习的刺激隐核虫疾病预警方法及系统
CN109543693A (zh) 基于正则化标签传播的弱标注数据降噪方法
CN110659682A (zh) 一种基于MCWD-KSMOTE-AdaBoost-DenseNet算法的数据分类方法
CN112504682A (zh) 基于粒子群优化算法的底盘发动机故障诊断方法及系统
CN107679756B (zh) 土壤适宜性评价方法及装置
CN117370766A (zh) 一种基于深度学习的卫星任务规划方案评估方法
CN110738565A (zh) 基于数据集合的房产金融人工智能复合风控模型
CN114548494A (zh) 一种可视化造价数据预测智能分析系统
CN117710802A (zh) 一种基于图像纹理特征的重力场方向适配性分析方法
CN105824785A (zh) 基于惩罚回归的快速异常点检测方法
CN117113086A (zh) 一种储能机组负荷预测方法、系统、电子设备及介质
CN116796193A (zh) 基于信息融合和元学习的工业循环水系统供水泵跨域故障诊断方法
CN116933194A (zh) 一种风电场功率报送数据异常甄别、修复与主动补全方法
CN115762669A (zh) 一种基于改进灰色关联分析算法和粒子群优化多分类支持向量机的河流水质评估方法
CN113889274B (zh) 一种孤独症谱系障碍的风险预测模型构建方法及装置
CN114626594A (zh) 一种基于聚类分析和深度学习的中长期电量预测方法
CN114139598A (zh) 基于深度代价敏感卷积网络的故障诊断方法及诊断框架
CN109858127B (zh) 基于递归时序深度置信网络的蓝藻水华预测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination