基于EMD-LSSVM的地下水水质综合评价法*1

王　众，马旭东

(长春工业大学 基础科学学院，吉林 长春 132012)



基于EMD-LSSVM的地下水水质综合评价法*1

王众，马旭东

(长春工业大学 基础科学学院，吉林 长春 132012)

摘要:在支持向量机(SVM)的基础上，使用经验模态分解法(EMD)对原始数据进行处理，并利用该方法评价李官堡水源地的地下水水质，同时与模糊综合评判和神经网络评价结果对比，结果表明，经验模态分解和最小二乘支持向量机模型在水环境的水质预测与综合评价中具有突出优势．

关键词:最小二乘支持向量机；经验模态分解；水质评价

地下水是水资源的重要组成部分，由于其丰富的储量和广泛的应用越来越受到人们的关注．地下水质量综合评价成为地下水水资源开发利用的重要环节，科学地评价地下水质量，正确地判定地下水水质状况，对地下水污染的预测与防治具有重要意义．但是在实际水质数据监测与评价中，很难获得足够多的水质监测数据来进行训练，从而导致神经网络的训练样本较少，所以神经网络在学习过程中陷入“过学习”和局部极小化的可能性极大，这也对神经网络泛化能力和水质综合评价效果的可靠性产生很大影响．支持向量机(SVM)是由Corinna Cortes和Vapnik提出的[1]，它跟神经网络相比具有两个优点，一是SVM 是一种新颖的小样本学习方法,有坚实的理论基础；二是SVM能够防止模型陷入局部极小．本文提出了一种基于EMD和SVM的混合模型经验模态分解和最小二乘支持向量机(EMD-LSSVM)，它能在输入……