基于改进支持向量机算法的水质监测模型研究

为找出适用于水质指标监测的标准模型,用PSO算法优化支持向量机(SVM)模型,得出优化模型(SVMM模型),选取溶解氧、化学需氧量、总氮和总磷4种实测指标为基础,以Nash-Sutcliffe系数CD、逐日相对均方根误差(RMSE)和Kendall一致性系数K为评价指标体系,找出最优模型,并将结果与BP神经网络模型、SVM模型对比,结果表明:SVMM模型在模拟日值时的拟合方程斜率最接近于1,决定系数R2均超过了0.8,在模拟月值时的平均误差仅为7.6%,RMSE均低于0.2,K值与CD值均在0.80以上,表明SVMM模型模拟结果的精度与一致性最高。