支持向量机及其在区域水资源可持续利用中的应用

支持向量机及其在区域水资源可持续利用中的应用

论文摘要

水资源可持续利用是区域经济社会可持续发展的基础和核心。水资源可持续利用评价和承载力预测作为水资源可持续利用的两项重要内容,其目的是准确反映水资源开发利用状况,预测水资源未来的发展趋势。目前在进行水资源可持续利用评价和承载力预测时,存在的主要问题是没有一个被大家公认通用的具有可比性的数学模型。各部门在进行评价与预测时,选用数学模型的任意性很大。传统方法虽然在实际应用中占据主导地位,但它们也存在着许多不足之处。支持向量机是近年来兴起的一种新型算法,是复杂非线性科学和人工智能科学的研究前沿,由于其突出的分类与回归性能,逐渐在许多领域展开了广泛的应用与研究。本文试图在总结前人已有的一些工作基础上深入研究该方法在水资源可持续利用特别是水资源可持续利用评价与承载力预测中的应用。同时提出一种基于混合蛙跳算法的参数优化方法,提高了模型的精度。主要研究内容如下:(1)对目前水资源可持续利用评价与承载力预测的研究方法做了简要的总结。考虑到这些方法存在着不足进而引出支持向量机算法,简单回顾了支持向量机算法的发展历程、研究现状,然后总结了该算法存在的优点与缺点。(2)概述了支持向量机的理论基础:机器学习和统计学习理论,详细论述了支持向量机的最优分类面、分类算法和回归算法,有利于深入了解支持向量机。(3)核函数类型及其参数是影响支持向量机性能的重要因素。但是支持向量机对核函数类型并不敏感,因此核参数成为研究的关键因素,在介绍了几种常见核参数优化方法的基础上,提出了一种基于混合蛙跳算法的参数优化方法。(4)运用支持向量机的分类和回归算法分别建立了水资源可持续利用评价模型与水资源承载力预测模型。由于影响因素较多,考虑采用粗糙集理论进行属性约简,提取主要因素,去除不相关的信息,减少了工作量。利用基于混合蛙跳算法的参数优化方法选取最优的参数组合,提高模型的精度。(5)水资源是制约民勤绿洲发展的主要因素。经过数据与资料搜集,将两种模型在民勤绿洲进行了实例应用,获取了当前水资源可持续利用的程度、水资源承载力现状等许多重要信息,为民勤绿洲未来社会经济的发展提供了依据。最后,对全文进行了全面总结,并对本文工作中存在的问题及有待进一步研究的内容进行归纳和展望。

论文目录

  • 摘要
  • Summary
  • 第一章 引言
  • 1.1 研究的背景及意义
  • 1.1.1 研究背景
  • 1.1.2 研究意义
  • 1.2 国内外研究进展
  • 1.2.1 支持向量机研究进展
  • 1.2.2 水资源可持续利用研究进展
  • 1.2.3 水资源承载力研究进展
  • 1.3 支持向量机模型在水文水资源领域中的应用
  • 1.4 本文研究的主要内容
  • 第二章 支持向量机理论基础
  • 2.1 机器学习
  • 2.1.1 问题的表示
  • 2.1.2 经验风险最小化
  • 2.1.3 复杂性与推广能力
  • 2.2 统计学习理论
  • 2.2.1 VC 维
  • 2.2.2 推广性的界
  • 2.2.3 结构风险最小化原则
  • 2.3 支持向量机
  • 2.3.1 最优超平面
  • 2.3.2 核函数
  • 2.3.3 支持向量机分类算法
  • 2.3.4 支持向量机回归算法
  • 2.4 支持向量机的优点及不足
  • 2.5 本章小结
  • 第三章 支持向量机的参数优化方法
  • 3.1 核参数分析
  • 3.2 常用的核参数优化方法
  • 3.2.1 交叉验证方法
  • 3.2.2 网格搜索方法
  • 3.2.3 基于遗传算法的核参数优化方法
  • 3.2.4 基于粒子群算法的核参数优化方法
  • 3.3 基于混合蛙跳算法的核参数优化方法
  • 3.3.1 混合蛙跳算法行为描述
  • 3.3.2 数学模型
  • 3.3.3 参数优化步骤
  • 3.3.4 实例验证
  • 3.4 支持向量机的基本应用流程
  • 3.5 本章小结
  • 第四章 基于支持向量分类机的水资源可持续利用评价模型
  • 4.1 区域水资源可持续利用评价概述
  • 4.2 构建评价指标体系
  • 4.3 基于SVM 的水资源可持续利用评价模型
  • 4.3.1 基本数学模型
  • 4.3.2 模型样本的生成和预处理
  • 4.3.3 模型的输入输出样本
  • 4.3.4 模型的建立
  • 4.3.5 模型的验证
  • 4.4 本章小结
  • 第五章 基于支持向量回归机的水资源承载力预测模型
  • 5.1 水资源承载力概述
  • 5.2 水资源承载力影响因素分析
  • 5.3 粗糙集
  • 5.4 基于RS 和SVM 的水资源承载力预测模型
  • 5.4.1 建立初始预测指标
  • 5.4.2 数据归一化处理
  • 5.4.3 基于粗糙集的属性约简
  • 5.4.4 水资源承载力预测模型的建立
  • 5.4.5 模型预测结果及性能分析
  • 5.5 本章小结
  • 第六章 应用实例
  • 6.1 民勤绿洲概况
  • 6.1.1 自然地理概况
  • 6.1.2 社会经济概况
  • 6.1.3 水资源概况
  • 6.2 民勤绿洲水资源开发利用现状
  • 6.2.1 水资源开发利用工程现状
  • 6.2.2 供水现状
  • 6.2.3 用水现状
  • 6.2.4 水资源开发利用中存在的问题
  • 6.3 民勤绿洲水资源可持续利用评价模型
  • 6.3.1 评价指标体系及评价指标分级标准
  • 6.3.2 数据采集与预处理
  • 6.3.3 模型的构建与结果分析
  • 6.4 民勤绿洲水资源承载力回归预测模型
  • 6.4.1 影响因子的选取及约简
  • 6.4.2 构建样本集
  • 6.4.3 建模及预测结果分析
  • 6.5 本章小结
  • 第七章 结论与展望
  • 7.1 结论
  • 7.2 存在的问题及展望
  • 参考文献
  • 致谢
  • 作者简介
  • 导师简介
  • 相关论文文献

    • [1].基于人工鱼群算法的孪生支持向量机[J]. 智能系统学报 2019(06)
    • [2].基于改进支持向量机的温室大棚温度预测[J]. 科技创新与应用 2020(10)
    • [3].结构化支持向量机研究综述[J]. 计算机工程与应用 2020(17)
    • [4].支持向量机理论及应用[J]. 科学技术创新 2019(02)
    • [5].加权间隔结构化支持向量机目标跟踪算法[J]. 中国图象图形学报 2017(09)
    • [6].多分类孪生支持向量机研究进展[J]. 软件学报 2018(01)
    • [7].模糊型支持向量机及其在入侵检测中的应用[J]. 科技创新与应用 2018(11)
    • [8].从支持向量机到非平行支持向量机[J]. 运筹学学报 2018(02)
    • [9].支持向量机的基本理论和研究进展[J]. 长江大学学报(自科版) 2018(17)
    • [10].孪生支持向量机综述[J]. 计算机科学 2018(11)
    • [11].一种新的基于类内不平衡数据学习支持向量机算法[J]. 科技通报 2017(09)
    • [12].分段熵光滑支持向量机性能研究[J]. 计算机工程与设计 2015(08)
    • [13].有向无环图-双支持向量机的多类分类方法[J]. 计算机应用与软件 2015(11)
    • [14].基于支持向量机的股票价格预测模型研究与应用[J]. 课程教育研究 2016(28)
    • [15].灰狼优化的混合参数多分类孪生支持向量机[J]. 计算机科学与探索 2020(04)
    • [16].基于属性约简—光滑支持向量机的中小企业信息化评价研究[J]. 软件工程 2020(07)
    • [17].基于稀疏孪生支持向量机的人脸识别[J]. 信息技术 2020(07)
    • [18].基于总类内分布的松弛约束双支持向量机[J]. 济南大学学报(自然科学版) 2018(04)
    • [19].基于多分类支持向量机的评估模型研究[J]. 数学的实践与认识 2017(01)
    • [20].改进的支持向量机在微博热点话题预测中的应用[J]. 现代情报 2017(03)
    • [21].多核在线支持向量机算法研究及应用[J]. 宜宾学院学报 2017(06)
    • [22].基于改进遗传算法的支持向量机参数优化方法[J]. 计算机与现代化 2015(03)
    • [23].一种层次粒度支持向量机算法[J]. 小型微型计算机系统 2015(08)
    • [24].自训练半监督加权球结构支持向量机多分类方法[J]. 重庆邮电大学学报(自然科学版) 2014(03)
    • [25].四类基于支持向量机的多类分类器的性能比较[J]. 聊城大学学报(自然科学版) 2014(03)
    • [26].一种模糊加权的孪生支持向量机算法[J]. 计算机工程与应用 2013(04)
    • [27].一种采用粗糙集和遗传算法的支持向量机[J]. 山西师范大学学报(自然科学版) 2013(01)
    • [28].基于在线支持向量机的无人机航路规划技术[J]. 电光与控制 2013(05)
    • [29].贪婪支持向量机的分析及应用[J]. 计算机工程与应用 2012(24)
    • [30].一种改进的双支持向量机[J]. 辽宁石油化工大学学报 2012(04)

    标签:;  ;  ;  ;  ;  

    支持向量机及其在区域水资源可持续利用中的应用
    下载Doc文档

    猜你喜欢