改进粒子群算法优化SVR水质预测模型研究
2021-03-05孟滔
农业与技术 2021年3期
关键词:水质
孟 滔
(四川大学锦城学院智能制造学院,四川 成都 611731)
引言
饮水安全越来越受到人们的关注。目前,我国农村在饮水安全上存在着众多的问题[1],随着越来越多的工厂建在农村,严重污染了农村的自然水源,导致大多数水源都受到了不同程度的污染。并且农村大多数自来水厂规模小,处理原水能力弱。目前农村自来水厂大多采用在线水质监测预警系统对原水和出厂水进行监测,但仅仅监测是不够的,需要对原水水质进行预测,提前知道原水水质情况,做好相应的应对措施,以降低自来水厂出厂水不达标的情况。
对于水质预测的方法,目前国内外采用主要有人工神经网络算法[2-4]、贝叶斯网络算法[5,6]、支持向量回归SVR算法[7]等。其中,SVR算法比人工神经网络算法、贝叶斯网络算法更适用于小样本数据,并且具有更好的泛化性,特别适用于规模较小的自来水厂进行原水水质预测。使用SVR进行原水水质预测时,需要先建立原水水质预测模型,其中核参数g和惩罚参数C是影响原水水质预测模型预测精度的关键。针对这2个参数,传统方法是使用网格搜索法进行参数寻优,但是其寻优时间特别长。针对这个问题,薛同来、赵冬晖等人[8]提出基于GA优化的SVR水质预测模型,该方法利用遗传算法对SVR的参数进行寻优,减少了参数寻优的时间;但由于SVR的最佳参数范围不定,当参数的寻优范围设置过大时,存在训练时间过长,当参数的寻优范围设置过小时,存在预测精度不高的情况。……
登录APP查看全文
