郭美叶

(河北省张家口水文水资源勘测局，河北 张家口 075000)

1 概 述

水是人类生存发展和维系生态系统正常运转的基质[1]，也是地球陆地表层生物、物理、化学能量与物质迁移转化最活跃的场所之一[2]，水环境质量对环境变化及人类活动的响应十分敏感。在全球变化的背景下，水质量受环境污染、气候变化、水侵蚀、人类不合理开发利用的干扰愈来愈烈。水体质量评价主要反映了水体的生物、化学、物理等综合条件状况，为水质量的优化管理提供依据。

随着机器学习、神经网络等现代数据挖掘算法的应用与推广，就水环境质量评价方法而言，逐渐由传统的模糊隶属度函数评价法转化为模式识别法。学者对灰色GM模型、可拓分析、BP和RBF神经网络等评价方法进行了尝试，并取得一定成果[3-6]。但传统评价方法注重回归分析和时间序列模型分析，不能全面、科学地反映各项要素之间内在机理，损失信息量较大，难以取得较好的评价效果，而神经网络方法又不能很好解决小样本、非线性、高维数和局部极小等问题[7]。支持向量机(Support Vector Machine，SVM)作为一种新的机器学习方法，避开了从归纳到演绎的传统过程，实现了从训练样本到预报样本的“转导推理”[8]，而且其采用的风险最小化准则有效克服了神经网络的固有缺陷，已被很多学者运用于图像解译、语音识别、文本分离，并取得了良好效果。据此，本研究尝试运用SVM分类模型，以陕西省为例，对其水质发展趋势予以模拟与评价，以期为陕西省土地生态规划提供实践经验和理论依据。……