支持向量机在湖库营养状态识别中的应用

依据我国湖库富营养化评价标准和支持向量机（SVM）原理及方法，构建基于交叉验证（CV）的CV－SVM湖库营养状态识别模型，采用随机内插的方法在各分级标准阈值间生成训练样本和测试样本，在达到预期识别精度后将模型运用于全国24个湖库营养状态的识别，并与投影寻踪法、评价指标法和神经网络评价法的识别结果进行比较。结果表明：基于线性核函数的CV－SVM模型对于随机生成的训练样本和测试样本的正确识别率分别达到97.8％和97.3％（5次平均），对全国24个湖库营养状态的识别结果与采用投影寻踪法、评价指标法和神经网络评价法的识别结果基本相同，模型具有泛化能力强、识别精度高、收敛速度快、不易陷入局部极值等特点。

Application of support vector machine to lake and reservoir trophic status recognition