基于粒子群算法优化支持向量回归的水质预测模型

摘要: 溶解氧是反映水污染程度的一个重要指标, 准确的预测可以高效合理地判断水质环境的状况。由于水质环境的实时变化和复杂性以及收集数据的偏差, 在水生系统中获得高效、精确的预测模型是困难的。因此, 首先利用主成分分析(PCA)确定影响水质溶解氧的变量数目, 降低数据维数, 为解决变量间的非线性和非平稳性问题, 提出用互信息(MI)选取影响强的因素作为预测模型的输入变量。然后利用一种基于高斯函数的非线性递减权重的粒子群算法优化支持向量回归(GNIPSO-