基于支持向量机的渭河水质定量遥感研究

论文摘要

在国内,许多专家和学者应用遥感技术开展了监测长江、珠江、湘江、汉江、太湖、千岛湖、石羊河等水域的尝试。而对渭河水质采用SPOT数据进行定量遥感研究还未有人研究。以往由于影像分辨率的局限,只能在宏观上针对大范围区域实施监测,现在可以利用高分遥感辨影像从更细的尺度提取水质信息。基于此,本文通过对渭河陕西段历史水质监测数据的筛选和分析,利用SPOT-5卫星遥感数据,尝试采用一种新的机器学习方法—支持向量机（SupportVector Machine,以下简称SVM）来评价水质等级,反演水质参数及综合水质等级。而作为一种新的学习机器,SVM也存在一些有待完善的地方,其参数选取便是亟待完善的问题之一。惩罚系数C、核函数以及核函数的参数σ2等的选取在一定程度上对模型的精度存在很大影响。由于没有理论上的指导,通过反复试验人工选取参数的方法往往需要人的经验做指导,并且需要付出较高的时间代价。本文首先选择径向基函数为SVM的核函数,然后构建了基于浮点数编码的遗传算法（Genetic Algorithm,以下简称GA）来优选支持向量分类机（Support VectorClassification,以下简称SVC）和支持向量回归机（Support Vector Regression,以下简称SVR）的惩罚系数C、核函数参数σ2,较好地实现了模型参数的自适应选取,并将建立的SVC和SVR模型分别应用于渭河陕西段的水质评价和水质参数、综合水质等级的遥感反演。本论文从以下几个方面进行了研究和探讨:（1）阐明了GA的编码机制,适应度函数设计,遗传操作（包括选择、交叉和变异）和算法步骤,论述了基于浮点数编码的GA来优选参数的支持向量分类机和支持向量回归机。（2）将获得的渭河陕西段历史水质监测数据进行了筛选和分析,选择出具有代表性的四种水质参数:高锰酸盐指数(CODmn)、化学需氧量（COD）、氨氮（NH3-N）和溶解氧（DO）。对购回的遥感数据进行预处理,然后结合历史水质监测数据,利用单因子相关分析以及主成分分析,依据其中最好的相关系数,基于传统统计回归方法建立了定量遥感水质参数反演和综合水质等级预测模型,并对模型做了检验。（3）构建了基于浮点数编码GA优选参数的SVC模型,将该模型运用于渭河陕西段的综合水质评价,并与水质评价的单因子法、主成分分析法和BP人工神经网络方法进行了分析比较。实验结果表明,该方法可以较好地实现水质综合评价,能从整体上准确、客观地反映河流水质情况。（4）构建了基于浮点数编码GA来优选参数的SVR模型,将该模型运用于渭河陕西段的遥感水质定量反演,通过与传统统计回归方法和BP人工神经网络方法比较分析,结果表明,该方法可以较好地实现渭河陕西段的遥感水质反演,预测其综合水质等级。此外,在同等条件下,多元回归模型普遍好于一元回归模型。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究背景和意义
• 1.2 国内外的研究概况
• 1.2.1 地表水水质遥感监测国内外研究概况
• 1.2.2 SVM算法的提出和研究概况
• 1.3 本文的主要研究内容
• 第2章 支持向量机和遗传算法理论
• 2.1 遗传算法概述
• 2.1.1 编码
• 2.1.2 适应度函数设计
• 2.1.3 遗传操作
• 2.1.4 算法步骤
• 2.2 基于 GA优选参数的支持向量分类机
• 2.2.1 基于SVM的分类
• 2.2.2 GA优选参数
• 2.3 基于 GA优选参数的支持向量回归机
• 2.3.1 基于SVM的回归
• 2.3.2 GA优选参数
• 2.4 本章小结
• 第3章 水质数据分析及基于传统统计方法的水质定量遥感
• 3.1 渭河陕西段历史水质监测数据分析
• 3.1.1 渭河概况
• 3.1.2 数据概况
• 3.1.3 水质数据的分析
• 3.2 遥感数据预处理
• 3.2.1 传感器定标
• 3.2.2 几何精校正
• 3.2.3 辐射校正
• 3.3 单因子相关分析
• 3.4 主成分分析
• 3.5 基于传统统计方法的水质定量遥感反演模型
• 3.5.1 水质参数反演一元回归模型
• 3.5.2 综合水质等级预测一元回归模型
• 3.5.3 水质参数反演多元回归模型
• 3.5.4 综合水质等级预测多元回归模型
• 3.6 本章小结
• 第4章 GA-SVM分类模型在渭河水质评价中的应用
• 4.1 水质标准和评价指标的选取
• 4.2 GA-SVM多类分类模型构建
• 4.3 四种评价方法分类结果与分析
• 4.3.1 单因子评价法
• 4.3.2 BP人工神经网络评价法
• 4.3.3 主成分分析评价法
• 4.3.4 基于GA优选参数的SVM水质评价法
• 4.3.5 评价结果及分析
• 4.4 本章小结
• 第5章 GA-SVR模型在渭河水质定量遥感中的应用
• 5.1 GA-SVR模型构建
• 5.2 几种反演方法实验结果与分析
• 5.2.1 水质参数一元反演模型
• 5.2.2 综合水质等级一元预测模型
• 5.2.3 水质参数多元反演模型
• 5.2.4 综合水质等级多元预测模型
• 5.3 本章小结
• 第6章 总结与展望
• 6.1 全文总结
• 6.2 研究展望
• 参考文献
• 致谢
• 攻读硕士学位期间的研究成果