支持向量回归水质预测模型的研究进展被引量：1

下载PDF

导出

摘要指出了支持向量回归SVR由于具有需要的样本少、泛化性好的特点,特别适用于解决水质预测问题。重点从参数寻优、核函数选取、数据源选取探讨了离线SVR水质预测模型的研究进展以及从原理上探讨了在线SVR水质预测模型的研究进展,最后提出了离线SVR水质预测模型用于水质短期预测需要解决的热点问题,以及在线SVR水质预测模型用于水质长期预测需要解决的热点问题,可为保障农村饮水安全提供参考。

作者孟滔

机构地区四川大学锦城学院智能制造学院

出处《绿色科技》 2021年第8期77-79,共3页 Journal of Green Science and Technology

关键词水质预测支持向量回归在线支持向量回归饮水安全

分类号 TP181 [自动化与计算机技术—控制理论与控制工程]

引文网络
相关文献

参考文献10

1赵雪松.基于灰色模型的营口地区水库水质预测研究[J].东北水利水电,2020,38(9):50-52. 被引量：6
2薛同来,赵冬晖,韩菲.基于GA优化的SVR水质预测模型研究[J].环境工程,2020,38(3):123-127. 被引量：30
3柯声明.PSO-SVR模型及其在CODMn预测中的应用[J].珠江现代建设,2018,0(5):26-31. 被引量：2
4张净,崔建军,蒋礼兵,左庆源.基于窄带物联网的海绵城市滤水养鱼智能监控系统设计[J].中国给水排水,2020,36(14):61-65. 被引量：13
5曹力,潘巧波,王明宇,马东.基于混合核函数支持向量机的风电机组发电机温度预警方法[J].华电技术,2020,42(5):43-49. 被引量：7
6张书新,马旭东,陈慧颖,王众.加权多核支持向量回归机在水质预测中的应用[J].通化师范学院学报,2016,37(10):27-29. 被引量：1
7梁雪春,龚艳冰,肖迪.一种多核加权支持向量机的水质预测方法[J].东南大学学报（自然科学版）,2011,41(B09):14-17. 被引量：7
8吴慧英,杨日剑,张颖,蒙语桦.基于PCA-SVR的池塘DO预测模型[J].安徽大学学报（自然科学版）,2016,40(6):103-108. 被引量：11
9朱江,张伟,马嵩.基于在线支持向量回归的锂离子电池SOC估计[J].电源技术,2019,43(10):1611-1614. 被引量：4
10王洪鹏,陈锋.基于在线支持向量回归的车辆跟驰模型研究[J].电子技术（上海）,2018,47(11):21-28. 被引量：3

二级参考文献87

1杨马英,周芳芹,李军.基于Elman神经网络的城市污水处理水质参数软测量[J].东南大学学报（自然科学版）,2006,36(S1):119-123. 被引量：11
2王思文,齐少群,于丹丹,张羽威,万鲁河.基于WASP模型的水环境质量预测与评价研究--以松花江哈尔滨江段为例[J].自然灾害学报,2015,0(1):39-45. 被引量：10
3黄廷林,卢金锁,韩宏大,何文杰,阴沛军.地表水源水质预测方法研究[J].西安建筑科技大学学报（自然科学版）,2004,36(2):134-137. 被引量：21
4宋来洲,白明华,李健.微滤分离膜在城市污水深度处理中的应用[J].安全与环境学报,2004,4(5):12-15. 被引量：12
5李昌铸,王丽云,谢经纬,胡佩佩.特尔斐专家评估法在公路桥梁评价中的应用[J].中国公路学报,1993,6(2):46-52. 被引量：14
6胡惠彬.灰色系统的GM(1,1)模型在地表水COD浓度预测中的应用[J].中国环境监测,1993,9(4):45-46. 被引量：15
7齐永锋,火元莲.支持向量机研究[J].甘肃联合大学学报（自然科学版）,2005,19(2):23-26. 被引量：6
8张土乔,俞亭超.提高支持向量机洪水峰值预报精度研究[J].水力发电学报,2005,24(2):35-39. 被引量：8
9树锦.基于人工神经网络方法的水质预测初探[J].环境科学与管理,2006,31(1):44-46. 被引量：8
10郭连喜,邓长辉.基于模糊神经网络的池塘溶解氧预测模型[J].水产学报,2006,30(2):225-229. 被引量：18

共引文献72

1张兵,邓卫.基于支持向量机理论的经济圈交通网络评价研究[J].公路,2012,57(6):149-155.
2张兵,邓卫.经济圈交通网络SVM评价方法[J].东南大学学报（自然科学版）,2012,42(6):1227-1232.
3姜雪,卢文喜,杨青春,赵海卿.应用支持向量机评价土壤环境质量[J].中国环境科学,2014,34(5):1229-1235. 被引量：27
4黄鹤,梁秀娟,肖霄,邱淑伟,肖长来,王重.基于粗糙集的支持向量机地下水质量评价模型[J].中国环境科学,2016,36(2):619-625. 被引量：14
5张书新,马旭东,陈慧颖,王众.加权多核支持向量回归机在水质预测中的应用[J].通化师范学院学报,2016,37(10):27-29. 被引量：1
6尚梦佳,周忠发,王小宇,黄登红,张珊珊.基于支持向量机的喀斯特山区土壤环境质量评价——以贵州北部一茶叶园区为例[J].中国岩溶,2018,37(4):575-583. 被引量：9
7刘鸿斌,李祥宇,杨冲.基于PCA降维模型的造纸废水处理过程软测量建模[J].中国造纸学报,2018,33(4):50-57. 被引量：16
8袁红春,黄俊豪,赵彦涛.基于PCA-NARX神经网络的溶解氧预测[J].山东农业大学学报（自然科学版）,2019,50(5):902-907. 被引量：6
9李嘉波,李忠玉,焦生杰,叶敏,徐信芯.基于反馈最小二乘支持向量机锂离子状态估计[J].储能科学与技术,2020,9(3):951-957. 被引量：8
10梁小林,秦欢,陈敏茹,许奇,梁曌.基于Adaboost-SVR模型的我国碳排放强度分析与预测[J].经济数学,2020,37(3):167-174. 被引量：3

同被引文献11

1叶延亮,庄严.基于BP神经网络的水质预测技术[J].北华大学学报（自然科学版）,2012,13(4):493-496. 被引量：2
2张颖,高倩倩.基于灰色模型和模糊神经网络的综合水质预测模型研究[J].环境工程学报,2015,9(2):537-545. 被引量：55
3杨玉香,陈兴,张世东.加压式溶气气浮在炼油污水处理中的应用[J].中小企业管理与科技,2016(9):248-248. 被引量：3
4王重阳,马菁华,吴睿钰,严泽凡.基于BP神经网络的水华预测模型及其敏感性分析[J].信息记录材料,2018,19(11):81-83. 被引量：3
5武暕,郭飞,杨明儒.2002—2017年葠窝水库及入库河流水质相关性分析和影响因素[J].环境工程,2019,37(10):206-210. 被引量：7
6孟滔.改进粒子群算法优化SVR水质预测模型研究[J].农业与技术,2021,41(3):33-36. 被引量：3
7杨勇,梁文,赵亮庆,钱华丽,周治国,高铁燕,罗新文,焦芝琳,李庆华,余垒柱,祝千惠,季鹏章.不同产地三七总皂苷和土壤矿质元素、水质的相关性分析[J].云南大学学报（自然科学版）,2023,45(6):1331-1339. 被引量：6
8胡泽文,周西姬.基于BP神经网络和MIV算法的高价值专利预测与影响因素分析[J].信息资源管理学报,2023,13(6):144-155. 被引量：17
9李召桐.支持向量机发展历程及其应用[J].信息系统工程,2024(3):124-126. 被引量：13
10王庆吉,胡景泽,孙秀梅,李东,陈曦,李颖,陆浩然,王列,魏炜.石油石化含油废水混凝气浮处理系统研究进展[J].工业水处理,2024,44(3):45-56. 被引量：15

引证文献1

1陈霖,晏欣,唐智和,冉照宽,李斌莲,栾辉,陈春茂.基于优化支持向量回归机的气浮单元水质预测模型[J].工业水处理,2025,45(5):157-165. 被引量：2

二级引证文献2

1许宁,王涛,王婧.基于声音传导特性的建筑结构裂缝检测分析[J].电声技术,2025,49(8):217-219.
2万勇杰,张赢,童鹏,田幸,何汉华,陈振国,汪晓军.基于可解释机器学习模型预测电厂冷却塔浓缩排水水质[J].工业水处理,2026,46(1):156-162.

1蔡舒平,闫静,刘国海,汤大海,陈燕,刘琳,周梓樾.基于Fisher信息和在线SVR的智能电网气象敏感负荷预测动态建模技术[J].中国电机工程学报,2020,40(11):3441-3451. 被引量：30
2任萌,高小征.智能电网中考虑温积效应的OSVR负荷预测[J].广东电力,2021,34(4):78-84. 被引量：2

绿色科技

2021年第8期

浏览历史

内容加载中请稍等...

支持向量回归水质预测模型的研究进展被引量：1

参考文献10

二级参考文献87

共引文献72

同被引文献11

引证文献1

二级引证文献2

相关作者

相关机构

相关主题

浏览历史

支持向量回归水质预测模型的研究进展 被引量：1

参考文献10

二级参考文献87

共引文献72

同被引文献11

引证文献1

二级引证文献2

相关作者

相关机构

相关主题

浏览历史

支持向量回归水质预测模型的研究进展被引量：1