基于遗传算法与支持向量机的水质预测模型

马 创，王 尧，李林峰

(重庆邮电大学 a.软件工程学院；b.通信与信息工程学院，重庆 400065)

水是人类社会生产生活必不可少的资源，水资源相关的环境保护与循环利用至关重要。随着社会的进步，水体污染对社会的影响也日益明显，水体被排入大量污染物，对人类的日常生活造成极大的威胁。而水质预测可以为有关部门的干预决策提供重要参考。在许多工业场景中，水质预测也具有重要意义。例如在污水处理工艺中，如果可以通过水质预测提前预知突发的水质超标情况，就能够为工程人员提供预警，预留时间人为干预，保证污水处理出厂水质达标。

水质预测主要有如下几种预测方法：通过构建物理模型的方法[1]，灰色系统预测法，神经网络预测法[2]，模糊理论预测法[3]，以及数理统计预测法等。

颜剑波等人[4]通过分析水质变量之间的规律，建立多元回归模型，对三门峡断面水质进行了预测。刘东君等人[5]结合灰色系统预测法与神经网络，对北京密云水库的溶解氧进行了预测，通过将混合模型分别于2个原型方法作比较，表明混合模型相比2个原型方法，预测结果更为精确和稳定。姜云超等人[6]综合运用 BP, SOM 与模糊综合评价法对黄河水质进行了评价，取得了较理想的结果。荣洁等人[7]提出指数平滑法-马尔科夫预测模型，将平滑处理后的数据通过马尔科夫预测模型对合肥湖滨与巢湖裕溪口2个断面的CODMn、TP、TN浓度进行了预测。RederK等人[8]使用人工神经网络模型预测水质变化，证实了神经网络模型是被用于水质预测的可行性。……