• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于決策樹(shù)支持向量機(jī)的地表水水質(zhì)評(píng)價(jià)研究

    2021-11-03 01:13:10廖振良
    環(huán)境科技 2021年5期
    關(guān)鍵詞:水質(zhì)評(píng)價(jià)湖泊分類(lèi)器

    周 妍,廖振良,周 燦

    (同濟(jì)大學(xué) 環(huán)境科學(xué)與工程學(xué)院,上海 200092)

    0 引言

    水質(zhì)評(píng)價(jià)在本質(zhì)上是一種多指標(biāo)、多類(lèi)別的屬性識(shí)別的過(guò)程,對(duì)水資源開(kāi)發(fā)利用、水環(huán)境質(zhì)量監(jiān)督與保護(hù)都有著重要作用,如何使水質(zhì)評(píng)價(jià)更加科學(xué)、客觀、合理是現(xiàn)代環(huán)境領(lǐng)域研究的重要課題之一。隨著非線(xiàn)性理論、不確定性理論的出現(xiàn)以及計(jì)算機(jī)技術(shù)的快速發(fā)展和不斷普及,從最初的生物評(píng)定法和專(zhuān)家評(píng)價(jià)法[1],到現(xiàn)在的單因子評(píng)價(jià)法[2]、灰色理論法[3]、模糊綜合評(píng)價(jià)法[4-5]等。其中,以單因子為代表的指數(shù)評(píng)價(jià)法雖然計(jì)算方法簡(jiǎn)單,但僅僅采用單一信息的水質(zhì)評(píng)價(jià)方法,對(duì)于目前復(fù)雜多變的水質(zhì)情況,評(píng)價(jià)結(jié)果往往不能全面的反映出實(shí)際的綜合水質(zhì)類(lèi)別;模糊綜合評(píng)價(jià)法在評(píng)價(jià)過(guò)程中確定效用函數(shù)、權(quán)重系數(shù)等步驟依賴(lài)人的主觀性,以及指標(biāo)權(quán)重、模糊算子、最大隸屬度原則等方面的不確定性,使該方法的評(píng)價(jià)模式在水質(zhì)評(píng)價(jià)領(lǐng)域的通用性有所限制,也對(duì)評(píng)價(jià)結(jié)果的可靠性有所影響[6]。因此,如何綜合考慮多個(gè)水質(zhì)指標(biāo)及其濃度成為水質(zhì)評(píng)價(jià)的一個(gè)難點(diǎn)。

    基于統(tǒng)計(jì)學(xué)習(xí)理論的支持向量機(jī)(Support Vector Machine,SVM)是近幾年迅速發(fā)展起來(lái)的一種分類(lèi)模型,為水質(zhì)評(píng)價(jià)研究提供了一條新的途徑。SVM 是針對(duì)分類(lèi)問(wèn)題提出的一種機(jī)器學(xué)習(xí)方法[7-8],不但結(jié)構(gòu)簡(jiǎn)單,而且在眾多數(shù)據(jù)模型中具有較好的泛化能力,尤其對(duì)于小樣本的問(wèn)題,可成功解決神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過(guò)程中“過(guò)學(xué)習(xí)”等問(wèn)題,同時(shí)也能夠避免模型陷入局部最優(yōu),保證最后得到的極值解是全局最優(yōu)解[9]。目前,SVM 算法廣泛應(yīng)用在模式識(shí)別、時(shí)間序列分析[10]、聚類(lèi)分析[11]等方面。由于水質(zhì)指標(biāo)屬于一種有限的、非線(xiàn)性的指標(biāo),越來(lái)越多的專(zhuān)家學(xué)者將支持向量機(jī)運(yùn)用到水質(zhì)評(píng)價(jià)的領(lǐng)域[12-14]。運(yùn)用SVM 解決多類(lèi)問(wèn)題的分類(lèi)方法主要有3 種:“一對(duì)一”、“一對(duì)余”以及“決策樹(shù)”[15]。本文采用分類(lèi)正確率較高、學(xué)習(xí)訓(xùn)練代價(jià)較小且重復(fù)訓(xùn)練樣本也較少的“決策樹(shù)”分類(lèi)算法。利用基于決策樹(shù)的支持向量機(jī)建立模型對(duì)研究區(qū)域進(jìn)行水質(zhì)評(píng)價(jià),同時(shí)與作為參考的單因子評(píng)價(jià)法和模糊綜合評(píng)價(jià)法的評(píng)價(jià)結(jié)果進(jìn)行對(duì)比分析,以佐證SVM 評(píng)價(jià)方法的先進(jìn)性和合理性。

    1 研究方法

    1.1 原理概述

    SVM 分類(lèi)模型基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化的原理是以分類(lèi)邊界距離最大為目的進(jìn)行分類(lèi)識(shí)別。樣本分類(lèi)數(shù)據(jù)分為線(xiàn)性可分和線(xiàn)性不可分2 種情況,當(dāng)分類(lèi)數(shù)據(jù)屬于線(xiàn)性可分時(shí),SVM 分類(lèi)模型通過(guò)尋求能夠正確劃分訓(xùn)練數(shù)據(jù)集并且?guī)缀伍g隔最大的最優(yōu)超平面進(jìn)行模式識(shí)別;而當(dāng)分類(lèi)數(shù)據(jù)線(xiàn)性不可分時(shí),則需要將低維空間中線(xiàn)性不可分的樣本數(shù)據(jù)通過(guò)非線(xiàn)性映射算法(核函數(shù))轉(zhuǎn)化為在高維特征空間中線(xiàn)性可分的樣本分類(lèi)問(wèn)題,繼而采用線(xiàn)性分類(lèi)的方法對(duì)其進(jìn)行求解。

    假設(shè)從某一未知概率分布函數(shù)F(x,y)中隨機(jī)抽取給定訓(xùn)練樣本集,{(xi,yi),i=1,2, …,l},xiCRd,yiCR。為使分類(lèi)超平面可以正確分類(lèi)所有樣本,并使分類(lèi)間隔最大,其約束條件為:

    式中:xi為輸入值;w 為可調(diào)的權(quán)重函數(shù);b 為閾值;w·xi表示向量w 與xi的內(nèi)積。

    (1)當(dāng)樣本分類(lèi)數(shù)據(jù)線(xiàn)性可分時(shí),分類(lèi)間隔為:

    式中:xi為yj=+1 時(shí)的值,xj為yj=-1 時(shí)的值。

    求解最優(yōu)超平面的問(wèn)題可轉(zhuǎn)化為約束最優(yōu)的問(wèn)題:即在滿(mǎn)足約束條件(1)的前提下,通過(guò)最小化使得分類(lèi)間隔最大。這可以通過(guò)建立拉格朗日函數(shù)的對(duì)偶形式來(lái)解決:

    約束條件為:

    式中:拉格朗日乘子α={α1,…,αN}。

    (2)線(xiàn)性不可分?jǐn)?shù)據(jù)見(jiàn)圖1。由圖1 可以看出,三角形和圓形所代表的2 類(lèi)樣本數(shù)據(jù)是線(xiàn)性不可分時(shí),亦即某些樣本數(shù)據(jù)不滿(mǎn)足式(1)條件,則需要引入松弛項(xiàng)ξi來(lái)盡可能地降低模型泛化出錯(cuò)的風(fēng)險(xiǎn)。

    圖1 線(xiàn)性不可分?jǐn)?shù)據(jù)

    約束條件為:

    目標(biāo)函數(shù)為:

    式中:ξ為松弛變量;C 為常數(shù),且C>0,主要用于平衡機(jī)器的復(fù)雜程度和不可分離點(diǎn)數(shù)以及控制錯(cuò)分樣本的懲罰程度,C 越大表示對(duì)錯(cuò)誤的懲罰越重,被稱(chēng)為“懲罰因子”。

    SVM 分類(lèi)模型主要包括“構(gòu)建分類(lèi)器、選取訓(xùn)練及驗(yàn)證樣本、選擇核函數(shù)及參數(shù)、構(gòu)建訓(xùn)練模型、模型的驗(yàn)證”5 個(gè)步驟。其中關(guān)鍵步驟在于核函數(shù)及參數(shù)的選擇,核函數(shù)的選擇取決于數(shù)據(jù)的分布特征,不同的核函數(shù)具有不同的特點(diǎn)和適用范圍。本文選取的是目前使用最廣泛的徑向基核函數(shù)(RBF),SVM 分類(lèi)模型中的懲罰系數(shù)C 和核函數(shù)的參數(shù)γ 采用交叉驗(yàn)證的方法來(lái)確定這2 個(gè)參數(shù)的最優(yōu)組合,并選取交叉的折數(shù)V=5 進(jìn)行C 和γ 的最優(yōu)求解[17]。

    1.2 支持向量機(jī)多分類(lèi)算法

    SVM 分類(lèi)模型最早是針對(duì)二分類(lèi)問(wèn)題提出的,在實(shí)際應(yīng)用中,有很多問(wèn)題是多分類(lèi)問(wèn)題,例如水質(zhì)評(píng)價(jià)問(wèn)題,因此分類(lèi)算法的選擇對(duì)SVM 分類(lèi)模型深入應(yīng)用到更多的領(lǐng)域至關(guān)重要。徐紅敏[16]通過(guò)比較SVM 分類(lèi)模型的3 種多分類(lèi)算法,得到的結(jié)果見(jiàn)表1。其中,“決策樹(shù)”分類(lèi)方法在所有SVM 分類(lèi)模型多類(lèi)別分類(lèi)方法中應(yīng)用較為廣泛,它將多類(lèi)別的各個(gè)類(lèi)別重新組合,同時(shí)也考慮結(jié)合SVM 分類(lèi)模型的二類(lèi)別分類(lèi)特點(diǎn),構(gòu)建的多個(gè)子分類(lèi)器類(lèi)似于決策樹(shù),最終實(shí)現(xiàn)多類(lèi)別分類(lèi),解決各種多分類(lèi)問(wèn)題。

    表1 多類(lèi)支持向量機(jī)分類(lèi)算法對(duì)比

    本文采用分類(lèi)正確率較高、學(xué)習(xí)訓(xùn)練代價(jià)較小且重復(fù)訓(xùn)練樣本也較少的決策樹(shù)分類(lèi)算法。根據(jù)不同案例的實(shí)際情況構(gòu)建多個(gè)分類(lèi)器,每個(gè)分類(lèi)器通過(guò)相應(yīng)的樣本數(shù)據(jù)分別進(jìn)行訓(xùn)練和檢驗(yàn)。

    2 研究過(guò)程

    2.1 研究區(qū)域

    選擇某城市一處人工湖泊為研究區(qū)域,該人工湖泊地處北亞熱帶季風(fēng)區(qū),平均水深約4 m。根據(jù)當(dāng)?shù)貙?duì)該湖泊制定的水質(zhì)規(guī)劃目標(biāo),基本達(dá)到人類(lèi)非直接接觸娛樂(lè)用水以及城市一般工業(yè)用水的需求[17]。因此,為使湖泊處于健康良性的發(fā)展,同時(shí)改善提升整體功能,需對(duì)其湖區(qū)水質(zhì)進(jìn)行長(zhǎng)期監(jiān)測(cè)和水質(zhì)評(píng)價(jià)。

    因SVM 分類(lèi)模型前期需要一定數(shù)量的數(shù)據(jù)集進(jìn)行訓(xùn)練和驗(yàn)證,綜合考慮實(shí)際情況選取該人工湖泊最具代表性的2018年1月~12月的水質(zhì)數(shù)據(jù),分別通過(guò)SVM 分類(lèi)模型、單因子評(píng)價(jià)法和模糊綜合評(píng)價(jià)法對(duì)其水質(zhì)進(jìn)行逐月評(píng)價(jià)分析。該湖泊在線(xiàn)監(jiān)測(cè)點(diǎn)分布見(jiàn)圖2。在其湖心設(shè)置4 個(gè)浮標(biāo)站并布設(shè)8條人工垂線(xiàn),在7 個(gè)支流出入口設(shè)置7 個(gè)岸邊站,在河網(wǎng)關(guān)鍵斷面設(shè)置10 個(gè)集成站。

    圖2 某城市人工湖泊在線(xiàn)監(jiān)測(cè)點(diǎn)分布示意

    根據(jù)GB 3838—2002《地表水環(huán)境質(zhì)量標(biāo)準(zhǔn)》和該湖泊的限制因子以及其他各種影響因素,從24個(gè)地表水環(huán)境質(zhì)量指標(biāo)中選取DO,CODMn,BOD5,NH3-N,TN,TP 作為主要影響因子進(jìn)行水質(zhì)評(píng)價(jià),并確認(rèn)評(píng)價(jià)等級(jí)集合:V={Ⅰ,Ⅱ,Ⅲ,Ⅳ,Ⅴ}。同時(shí),根據(jù)岸邊站、浮標(biāo)站以及集成站的水質(zhì)在線(xiàn)監(jiān)測(cè)數(shù)據(jù),結(jié)合人工取樣監(jiān)測(cè)結(jié)果,得到該湖泊2018年12 個(gè)月的水質(zhì)指標(biāo)數(shù)據(jù)。

    2.2 構(gòu)建分類(lèi)器

    根據(jù)地表水質(zhì)評(píng)價(jià)等級(jí),將本文中的地表水質(zhì)評(píng)價(jià)案例共分為5 個(gè)等級(jí),構(gòu)建的基于決策樹(shù)的SVM 分類(lèi)模型見(jiàn)圖3。每個(gè)節(jié)點(diǎn)是1 個(gè)分類(lèi)器,共構(gòu)建4 個(gè)分類(lèi)器。

    圖3 決策樹(shù)分類(lèi)模型

    2.3 選取訓(xùn)練樣本

    首先,將2018年該湖泊17 個(gè)監(jiān)測(cè)點(diǎn)收集到的412 組監(jiān)測(cè)水質(zhì)數(shù)據(jù),按7 ∶3 的比例劃分為288 組訓(xùn)練集和124 組驗(yàn)證集。其次,為消除不同水質(zhì)指標(biāo)之間因量級(jí)不同所造成的差異,用極差法對(duì)國(guó)標(biāo)中選取的6 個(gè)指標(biāo)因子進(jìn)行歸一化無(wú)量綱處理,使其數(shù)值都?xì)w一化至區(qū)間[0,1],具體公式如下:

    式中:i=1,2,…,6;j = 1,2,…,5;xmax,xmin分別為國(guó)標(biāo)中各項(xiàng)目因子的最大值和最小值;為歸一化處理后的數(shù)值。

    盡管SVM 分類(lèi)模型支持小樣本訓(xùn)練,但對(duì)訓(xùn)練集的數(shù)據(jù)數(shù)量還是有一定的基本要求,以水質(zhì)評(píng)價(jià)為例,地表水質(zhì)分為Ⅰ~Ⅴ類(lèi)水,5 組閾值組成的訓(xùn)練樣本數(shù)據(jù)難以達(dá)到模型訓(xùn)練精度要求,因此為生成足夠的訓(xùn)練樣本,采取隨機(jī)插值方法進(jìn)行插補(bǔ)。選取《地表水環(huán)境質(zhì)量標(biāo)準(zhǔn)》中與樣本水質(zhì)數(shù)據(jù)對(duì)應(yīng)的污染物指標(biāo)作為訓(xùn)練樣本數(shù)據(jù)屬性,用Matlab R2018a 中的隨機(jī)均勻分布函數(shù)進(jìn)行加密插值[18],每個(gè)分類(lèi)器構(gòu)造出約1 000 組不同區(qū)間的標(biāo)準(zhǔn)樣本數(shù)據(jù)。

    以分類(lèi)器一為例,該分類(lèi)器的目的是將Ⅰ類(lèi)水和Ⅱ~Ⅴ類(lèi)水區(qū)分開(kāi),故加密構(gòu)造出700 組數(shù)據(jù)。其中100 組為Ⅰ類(lèi)水,對(duì)應(yīng)的標(biāo)簽Y1 取值為1;另外600 組為非Ⅰ類(lèi)水,對(duì)應(yīng)的標(biāo)簽Y1 取值為-1;所有計(jì)算均在Windows10 平臺(tái)上的Matlab R2018a 進(jìn)行。

    2.4 構(gòu)建訓(xùn)練模型

    為實(shí)現(xiàn)參數(shù)的網(wǎng)格尋優(yōu)及交叉驗(yàn)證,調(diào)用Libsvm 軟件包中的grid.py 程序,結(jié)合Gnuplot 5.2交互式繪圖軟件可輸出網(wǎng)格法尋優(yōu)交叉驗(yàn)證的等精度圖。首先根據(jù)等精度圖得到4 個(gè)分類(lèi)器的最優(yōu)參數(shù)組合分別為C = 0.031 25,γ = 2;C = 0.5,γ =0.5;C=2,γ=8;C=0.5,γ=8。然后在Matlab 中編寫(xiě)建模函數(shù)語(yǔ)句及調(diào)用模型語(yǔ)句,最后構(gòu)建訓(xùn)練模型進(jìn)行訓(xùn)練。

    2.5 模型的驗(yàn)證與實(shí)例評(píng)價(jià)

    模型訓(xùn)練完畢后,為驗(yàn)證模型的泛化能力,還需用驗(yàn)證集進(jìn)行驗(yàn)證。先將2018年該湖泊12 個(gè)月的水質(zhì)數(shù)據(jù)進(jìn)行歸一化處理;對(duì)于每一個(gè)月份,在Matlab 里輸入命令:

    式中:x1~x6為當(dāng)月6 個(gè)水質(zhì)指標(biāo)歸一化后的數(shù)值;Y 為標(biāo)簽值,可取任意值,此處選取1。

    用Matlab 進(jìn)行逐月水質(zhì)評(píng)價(jià),水質(zhì)指標(biāo)變化及水質(zhì)評(píng)價(jià)結(jié)果詳見(jiàn)圖5 和表2。

    圖5 2018年某城市人工湖泊的水質(zhì)指標(biāo)變化

    表2 SVM 分類(lèi)模型的水質(zhì)評(píng)價(jià)結(jié)果

    2.6 其他水質(zhì)評(píng)價(jià)方法對(duì)比

    為驗(yàn)證SVM 水質(zhì)評(píng)價(jià)模型的優(yōu)越性,將SVM與其他2 種傳統(tǒng)的地表水水質(zhì)評(píng)價(jià)方法的差異進(jìn)行對(duì)比分析評(píng)價(jià)結(jié)果見(jiàn)表3。

    表3 單因子法、模糊綜合評(píng)價(jià)法和SVM 分類(lèi)模型的水質(zhì)評(píng)價(jià)結(jié)果

    3 討論

    (1)由圖5 可以看出,2018年該人工湖泊水質(zhì)整體呈變好趨勢(shì)。根據(jù)湖泊水質(zhì)數(shù)據(jù)分析,除TP外,CODMn,BOD5,NH3-N,TN 等指標(biāo)濃度整體下降,DO 指標(biāo)濃度呈整體上升趨勢(shì),TP 指標(biāo)一直在Ⅲ類(lèi)和Ⅳ類(lèi)之間波動(dòng)變化,而TN 指標(biāo)則是由Ⅴ類(lèi)慢慢向Ⅲ類(lèi)過(guò)渡??傮w而言,TP 和TN 是主要的減排目標(biāo)。而單因子評(píng)價(jià)法和模糊綜合評(píng)價(jià)法的評(píng)價(jià)結(jié)果未能顯著表明該人工湖泊水質(zhì)的細(xì)微波動(dòng)變化。

    (2)由表3 可知,單因子評(píng)價(jià)法的結(jié)果均為Ⅳ,Ⅴ類(lèi)水,該方法是將單一的且最嚴(yán)重的污染物超標(biāo)程度作為整體水質(zhì)的表征,雖然評(píng)價(jià)過(guò)程簡(jiǎn)單直觀,但將整體水質(zhì)均歸于Ⅳ,Ⅴ類(lèi)水顯得略為悲觀,無(wú)益于真實(shí)反映水體功效是否滿(mǎn)足基本要求,也無(wú)法精確描述水環(huán)境的實(shí)際綜合狀態(tài)。

    (3)對(duì)比分析SVM 分類(lèi)模型與模糊綜合評(píng)價(jià)法的評(píng)價(jià)結(jié)果,由圖5 和表3 可知,除2月、4月、6月、7月外,其余月份用模糊綜合評(píng)價(jià)法比SVM 均高出1~2 個(gè)等級(jí),即評(píng)價(jià)結(jié)果略顯悲觀;且8月至12月的水質(zhì)評(píng)價(jià)結(jié)果均為Ⅳ類(lèi)水質(zhì),對(duì)前期在現(xiàn)場(chǎng)收集的在線(xiàn)監(jiān)測(cè)數(shù)據(jù)進(jìn)行分析得知,除去之前所選取的國(guó)標(biāo)規(guī)定的化學(xué)指標(biāo),其他一些物理和生物指標(biāo)從側(cè)面也說(shuō)明了該湖泊水質(zhì)在11月份有所改善。由此看出,傳統(tǒng)模糊綜合評(píng)價(jià)法無(wú)法辨別兩者更細(xì)微的差異,評(píng)價(jià)結(jié)果不能真切描述實(shí)際水質(zhì)情況。相比SVM 分類(lèi)模型的評(píng)價(jià)結(jié)果更為合理,更貼近實(shí)際情況,同時(shí)能夠辨別水質(zhì)變化中更加細(xì)微的差異。

    此外,模糊綜合評(píng)價(jià)法易出現(xiàn)模型“失效”的情況,需要人為給定賦值權(quán)重,導(dǎo)致評(píng)價(jià)結(jié)果具有較強(qiáng)的主觀性;雖然基于較為精確的數(shù)學(xué)模型進(jìn)行描述,但模糊綜合評(píng)價(jià)法忽略了各類(lèi)評(píng)價(jià)因子和水質(zhì)等級(jí)之間呈現(xiàn)的復(fù)雜的非線(xiàn)性關(guān)系,沒(méi)有很好地解決這個(gè)關(guān)鍵問(wèn)題。相對(duì)而言,SVM 水質(zhì)評(píng)價(jià)模型則沒(méi)有水質(zhì)參評(píng)項(xiàng)目個(gè)數(shù)的限定,能夠全面、客觀地反映水資源中各水質(zhì)指標(biāo)的綜合污染程度,在小樣本的情況下也能得到較好的分類(lèi)結(jié)果,有助于水環(huán)境領(lǐng)域中的決策者作出更加科學(xué)客觀的決策,為防治水污染、合理利用水資源奠定堅(jiān)實(shí)基礎(chǔ)。

    雖然SVM 所建立的水質(zhì)評(píng)價(jià)模型具有良好的預(yù)測(cè)能力,支持小樣本問(wèn)題,但由于前期需要數(shù)據(jù)集對(duì)模型進(jìn)行訓(xùn)練和驗(yàn)證,與傳統(tǒng)方法相比較仍需依賴(lài)大量的樣本數(shù)據(jù);同時(shí)SVM 作為一個(gè)黑箱模型,只能看見(jiàn)輸入和輸出而非評(píng)價(jià)過(guò)程,對(duì)于評(píng)價(jià)結(jié)果的可解釋性較差,可考慮與傳統(tǒng)統(tǒng)計(jì)方法相結(jié)合。此外,SVM 分類(lèi)模型在解決多類(lèi)的分類(lèi)問(wèn)題方面還不完善,需進(jìn)一步深入研究。

    4 結(jié)論

    以某城市一處人工湖泊的實(shí)測(cè)數(shù)據(jù)作為樣本,結(jié)合實(shí)際選取合適的影響因子及相關(guān)影響因素作為模型輸入量及輸出量,基于決策樹(shù)分類(lèi)算法的支持向量機(jī)(SVM)構(gòu)建地表水水質(zhì)評(píng)價(jià)模型,并與傳統(tǒng)水質(zhì)評(píng)價(jià)方法的評(píng)價(jià)結(jié)果進(jìn)行對(duì)比分析。得出以下結(jié)論:

    (1)將SVM 分類(lèi)模型應(yīng)用于某城市人工湖泊的水質(zhì)分類(lèi),結(jié)果表明,該人工湖泊的整體水質(zhì)正在好轉(zhuǎn),這與該人工湖泊各評(píng)價(jià)指標(biāo)的分析結(jié)果相一致。

    (2)將SVM 分類(lèi)模型與單因子法和模糊綜合評(píng)價(jià)法2 種傳統(tǒng)的地表水水質(zhì)評(píng)價(jià)方法進(jìn)行比較,SVM 水質(zhì)評(píng)價(jià)模型能客觀考慮各項(xiàng)指標(biāo)和影響因素,既避免了單因子評(píng)價(jià)法結(jié)果的過(guò)保護(hù)問(wèn)題,同時(shí)沒(méi)有限制水質(zhì)參評(píng)項(xiàng)目的個(gè)數(shù),能夠更加客觀全面地反映水環(huán)境的水質(zhì)現(xiàn)狀及其變化趨勢(shì),在小樣本的情況下也能得到較好的分類(lèi)結(jié)果,有助于讓水管理者更加準(zhǔn)確真實(shí)地進(jìn)行水質(zhì)評(píng)價(jià),更好地監(jiān)督和管理水環(huán)境。因此,SVM 分類(lèi)模型可有效應(yīng)用于地表水水質(zhì)評(píng)價(jià)中。

    (3)雖然SVM 分類(lèi)模型已具有良好的預(yù)測(cè)能力,但還需進(jìn)一步研究、完善,比如:①SVM 分類(lèi)模型與傳統(tǒng)統(tǒng)計(jì)方法相結(jié)合在水質(zhì)管理中的應(yīng)用;②SVM 分類(lèi)模型可考慮結(jié)合其他分類(lèi)算法的優(yōu)勢(shì),提高多類(lèi)問(wèn)題的分類(lèi)精度;③在訓(xùn)練SVM 分類(lèi)模型的過(guò)程中,如何尋求更優(yōu)的算法模型和選取更適于水質(zhì)監(jiān)測(cè)與評(píng)價(jià)的SVM 分類(lèi)模型核函數(shù)及參數(shù)。

    猜你喜歡
    水質(zhì)評(píng)價(jià)湖泊分類(lèi)器
    你相信嗎?湖泊也可以“生死輪回”
    “害羞”的湖泊
    BP-GA光照分類(lèi)器在車(chē)道線(xiàn)識(shí)別中的應(yīng)用
    滻灞河水質(zhì)評(píng)價(jià)方法研究
    奇異的湖泊
    基于概率統(tǒng)計(jì)和模糊綜合評(píng)價(jià)法的水質(zhì)評(píng)價(jià)模型及其應(yīng)用——以拉薩河水質(zhì)評(píng)價(jià)為例
    加權(quán)空-譜與最近鄰分類(lèi)器相結(jié)合的高光譜圖像分類(lèi)
    結(jié)合模糊(C+P)均值聚類(lèi)和SP-V-支持向量機(jī)的TSK分類(lèi)器
    基于SPAM的河流水質(zhì)評(píng)價(jià)模型
    基于LLE降維和BP_Adaboost分類(lèi)器的GIS局部放電模式識(shí)別
    三上悠亚av全集在线观看| 在线观看免费高清a一片| 国产成人av激情在线播放| 日日摸夜夜添夜夜爱| 国产成人精品久久久久久| 免费观看av网站的网址| 在线亚洲精品国产二区图片欧美| 日本av手机在线免费观看| 免费av中文字幕在线| 一级毛片电影观看| svipshipincom国产片| √禁漫天堂资源中文www| 2018国产大陆天天弄谢| 一级毛片 在线播放| 99热网站在线观看| 少妇人妻久久综合中文| 欧美日韩视频精品一区| 日本猛色少妇xxxxx猛交久久| 亚洲,一卡二卡三卡| 热99国产精品久久久久久7| 飞空精品影院首页| 人妻一区二区av| 免费高清在线观看日韩| 国产极品粉嫩免费观看在线| 欧美久久黑人一区二区| 一级黄片播放器| 人人妻,人人澡人人爽秒播 | 日韩av不卡免费在线播放| 精品一区二区三区四区五区乱码 | 日韩精品免费视频一区二区三区| 久久中文字幕一级| 久久久精品国产亚洲av高清涩受| 国产一区二区 视频在线| 美国免费a级毛片| 亚洲精品在线美女| 亚洲久久久国产精品| 国产成人精品久久二区二区91| 精品国产一区二区久久| 中文字幕av电影在线播放| 亚洲精品国产区一区二| av欧美777| 欧美激情高清一区二区三区| 少妇人妻久久综合中文| 9191精品国产免费久久| 中文字幕制服av| 少妇被粗大的猛进出69影院| 日韩人妻精品一区2区三区| 女人精品久久久久毛片| 午夜免费鲁丝| 久久久久久久大尺度免费视频| 国产av一区二区精品久久| 性色av乱码一区二区三区2| 国产欧美日韩综合在线一区二区| 精品一区二区三区av网在线观看 | 成年女人毛片免费观看观看9 | 91麻豆精品激情在线观看国产 | 多毛熟女@视频| av电影中文网址| 国产爽快片一区二区三区| 国产91精品成人一区二区三区 | 午夜福利免费观看在线| 美女主播在线视频| 青春草亚洲视频在线观看| 国产精品久久久久久精品电影小说| 纯流量卡能插随身wifi吗| 久久精品aⅴ一区二区三区四区| 大陆偷拍与自拍| 69精品国产乱码久久久| 国产1区2区3区精品| 777久久人妻少妇嫩草av网站| 日本91视频免费播放| 看十八女毛片水多多多| 99热国产这里只有精品6| 亚洲欧洲精品一区二区精品久久久| 天天躁日日躁夜夜躁夜夜| 91字幕亚洲| 男女床上黄色一级片免费看| 欧美精品一区二区免费开放| 校园人妻丝袜中文字幕| 飞空精品影院首页| 19禁男女啪啪无遮挡网站| a级毛片在线看网站| av片东京热男人的天堂| 大码成人一级视频| 欧美黄色淫秽网站| 亚洲 国产 在线| 亚洲专区国产一区二区| 热99国产精品久久久久久7| 国产精品一区二区精品视频观看| 婷婷成人精品国产| 国产精品久久久久久精品电影小说| 国产在视频线精品| 免费日韩欧美在线观看| 搡老岳熟女国产| 一级毛片黄色毛片免费观看视频| e午夜精品久久久久久久| 亚洲精品av麻豆狂野| 久久精品久久久久久久性| 午夜免费男女啪啪视频观看| 亚洲一区二区三区欧美精品| 人人澡人人妻人| 国产视频一区二区在线看| 操美女的视频在线观看| 色播在线永久视频| 国产日韩欧美亚洲二区| 交换朋友夫妻互换小说| svipshipincom国产片| 国产精品久久久久久精品电影小说| 久久狼人影院| 最新的欧美精品一区二区| 激情五月婷婷亚洲| 啦啦啦视频在线资源免费观看| 国产精品一区二区在线不卡| av一本久久久久| 99久久精品国产亚洲精品| 中文字幕人妻丝袜制服| 日韩av在线免费看完整版不卡| 精品熟女少妇八av免费久了| 色综合欧美亚洲国产小说| 欧美大码av| 午夜日韩欧美国产| 国产亚洲一区二区精品| 男人舔女人的私密视频| 国产成人系列免费观看| 免费在线观看完整版高清| 精品国产乱码久久久久久男人| 只有这里有精品99| 精品一区二区三区av网在线观看 | 一边亲一边摸免费视频| 777久久人妻少妇嫩草av网站| av视频免费观看在线观看| 日韩av不卡免费在线播放| 熟女少妇亚洲综合色aaa.| 老司机深夜福利视频在线观看 | 亚洲一码二码三码区别大吗| 国产精品三级大全| 韩国高清视频一区二区三区| 日韩,欧美,国产一区二区三区| 国产免费福利视频在线观看| 亚洲欧美精品自产自拍| 精品福利永久在线观看| 美女大奶头黄色视频| 国产成人精品无人区| 久久国产亚洲av麻豆专区| 午夜日韩欧美国产| 中文乱码字字幕精品一区二区三区| 午夜精品国产一区二区电影| 国产在线视频一区二区| 中国美女看黄片| 亚洲国产中文字幕在线视频| 亚洲欧美清纯卡通| 亚洲精品国产区一区二| 国产精品久久久人人做人人爽| 人人妻人人澡人人爽人人夜夜| 免费观看av网站的网址| 18禁黄网站禁片午夜丰满| 久久ye,这里只有精品| 一级毛片我不卡| 成人国产一区最新在线观看 | 丝袜人妻中文字幕| 成人手机av| 日本一区二区免费在线视频| 777米奇影视久久| 久久久久久久精品精品| 狂野欧美激情性bbbbbb| 欧美精品高潮呻吟av久久| 国产一区二区三区综合在线观看| a级毛片在线看网站| 99热网站在线观看| 啦啦啦在线免费观看视频4| 国产精品一二三区在线看| 成年动漫av网址| 免费女性裸体啪啪无遮挡网站| 首页视频小说图片口味搜索 | 少妇被粗大的猛进出69影院| 国产亚洲精品久久久久5区| e午夜精品久久久久久久| 50天的宝宝边吃奶边哭怎么回事| 夜夜骑夜夜射夜夜干| 国产日韩欧美视频二区| 亚洲国产毛片av蜜桃av| 日韩欧美一区视频在线观看| 女人高潮潮喷娇喘18禁视频| 国产精品久久久人人做人人爽| 久久人妻福利社区极品人妻图片 | 又紧又爽又黄一区二区| 久久久久久久国产电影| 国产欧美日韩一区二区三 | 日韩,欧美,国产一区二区三区| 亚洲精品自拍成人| 狂野欧美激情性xxxx| 高潮久久久久久久久久久不卡| 老司机亚洲免费影院| 男女无遮挡免费网站观看| 国产熟女午夜一区二区三区| 欧美乱码精品一区二区三区| 免费看不卡的av| 亚洲欧洲国产日韩| 欧美人与性动交α欧美软件| 尾随美女入室| 午夜激情久久久久久久| 国产成人欧美| 男女免费视频国产| 久久99热这里只频精品6学生| 日本91视频免费播放| 1024视频免费在线观看| 午夜福利影视在线免费观看| 免费在线观看完整版高清| 亚洲欧美成人综合另类久久久| 久久精品亚洲熟妇少妇任你| 日韩熟女老妇一区二区性免费视频| 婷婷丁香在线五月| 亚洲 国产 在线| 欧美在线一区亚洲| 亚洲国产欧美网| 精品人妻在线不人妻| 18禁黄网站禁片午夜丰满| 最近手机中文字幕大全| 丝瓜视频免费看黄片| 免费在线观看完整版高清| 日日夜夜操网爽| 夫妻午夜视频| 美女国产高潮福利片在线看| 日韩视频在线欧美| 老司机影院毛片| 婷婷色麻豆天堂久久| 国产成人精品无人区| 国产精品三级大全| 精品福利观看| 日韩视频在线欧美| 久久免费观看电影| 一级片'在线观看视频| 国产精品久久久久久精品电影小说| 纯流量卡能插随身wifi吗| 赤兔流量卡办理| 国产欧美亚洲国产| 国产精品偷伦视频观看了| 黄色怎么调成土黄色| 天堂俺去俺来也www色官网| 黄片小视频在线播放| 国产成人影院久久av| 国产片内射在线| 一级黄色大片毛片| 美女午夜性视频免费| 在线看a的网站| 国产男女内射视频| 咕卡用的链子| 久久人人97超碰香蕉20202| 亚洲av电影在线进入| 色婷婷av一区二区三区视频| 国产成人免费无遮挡视频| 精品一区二区三卡| 亚洲人成电影免费在线| 性色av一级| 男女下面插进去视频免费观看| 91精品伊人久久大香线蕉| 国产一卡二卡三卡精品| 日韩av免费高清视频| 飞空精品影院首页| 欧美亚洲 丝袜 人妻 在线| 91九色精品人成在线观看| 久久精品国产亚洲av涩爱| 午夜激情久久久久久久| 91成人精品电影| 欧美精品人与动牲交sv欧美| 国产精品久久久久成人av| 精品人妻在线不人妻| 操美女的视频在线观看| 91字幕亚洲| 日韩人妻精品一区2区三区| 久久精品国产综合久久久| www.999成人在线观看| xxx大片免费视频| 天天躁夜夜躁狠狠躁躁| 如日韩欧美国产精品一区二区三区| 女性被躁到高潮视频| 看十八女毛片水多多多| 黄色毛片三级朝国网站| 在线精品无人区一区二区三| 成人影院久久| 国产精品麻豆人妻色哟哟久久| 成人黄色视频免费在线看| 手机成人av网站| 亚洲av日韩精品久久久久久密 | 成年av动漫网址| 十八禁人妻一区二区| 欧美精品啪啪一区二区三区 | 天堂中文最新版在线下载| 日日夜夜操网爽| 国产91精品成人一区二区三区 | 精品一区二区三区四区五区乱码 | 亚洲国产欧美一区二区综合| 日本欧美国产在线视频| 丝袜美腿诱惑在线| 亚洲av片天天在线观看| 性高湖久久久久久久久免费观看| 精品一区二区三区av网在线观看 | 亚洲专区国产一区二区| 一级片免费观看大全| 精品国产国语对白av| 精品少妇黑人巨大在线播放| 丰满迷人的少妇在线观看| 在线观看人妻少妇| 视频区图区小说| 在线观看www视频免费| av网站免费在线观看视频| 9191精品国产免费久久| 国产免费现黄频在线看| 精品高清国产在线一区| 国产三级黄色录像| 校园人妻丝袜中文字幕| 午夜福利,免费看| 激情五月婷婷亚洲| 免费看不卡的av| 午夜久久久在线观看| 日本91视频免费播放| 亚洲国产av影院在线观看| 国产视频一区二区在线看| 欧美精品人与动牲交sv欧美| 水蜜桃什么品种好| 1024视频免费在线观看| 国产视频一区二区在线看| 电影成人av| 男人爽女人下面视频在线观看| 国产熟女欧美一区二区| 女人爽到高潮嗷嗷叫在线视频| 久久久国产精品麻豆| 色视频在线一区二区三区| 少妇被粗大的猛进出69影院| 国产高清videossex| 男人添女人高潮全过程视频| 国产男女内射视频| 人妻 亚洲 视频| 欧美日韩亚洲国产一区二区在线观看 | 男人舔女人的私密视频| 精品国产一区二区久久| 女人高潮潮喷娇喘18禁视频| 欧美黄色淫秽网站| 亚洲第一av免费看| av又黄又爽大尺度在线免费看| 男女午夜视频在线观看| 国产麻豆69| 飞空精品影院首页| 国产国语露脸激情在线看| 老司机靠b影院| 制服诱惑二区| 午夜视频精品福利| 国产成人av教育| 亚洲 国产 在线| 久久精品久久久久久噜噜老黄| 热re99久久精品国产66热6| 汤姆久久久久久久影院中文字幕| 天堂俺去俺来也www色官网| 又大又爽又粗| 久久精品久久久久久久性| 只有这里有精品99| 国产一级毛片在线| 亚洲天堂av无毛| 国产成人欧美| 国产成人av教育| www.自偷自拍.com| 亚洲免费av在线视频| 男女午夜视频在线观看| 精品久久蜜臀av无| 一区二区日韩欧美中文字幕| 久久久精品94久久精品| 国产欧美日韩一区二区三 | 男男h啪啪无遮挡| 视频区欧美日本亚洲| 国产成人a∨麻豆精品| 视频区欧美日本亚洲| 中文字幕高清在线视频| videosex国产| 亚洲欧美一区二区三区久久| 欧美激情高清一区二区三区| 亚洲一区中文字幕在线| 1024视频免费在线观看| 久久久久久免费高清国产稀缺| 青草久久国产| 狠狠精品人妻久久久久久综合| 国产极品粉嫩免费观看在线| 新久久久久国产一级毛片| 久久久久久亚洲精品国产蜜桃av| 美女午夜性视频免费| 亚洲精品国产一区二区精华液| 国产xxxxx性猛交| 亚洲精品国产一区二区精华液| 久久亚洲精品不卡| 久久热在线av| 19禁男女啪啪无遮挡网站| 午夜福利视频精品| 成人亚洲欧美一区二区av| 日韩免费高清中文字幕av| 国产熟女欧美一区二区| 亚洲欧美中文字幕日韩二区| 免费高清在线观看视频在线观看| 超碰97精品在线观看| 如日韩欧美国产精品一区二区三区| 老汉色∧v一级毛片| 精品熟女少妇八av免费久了| 极品少妇高潮喷水抽搐| 欧美日韩亚洲国产一区二区在线观看 | 成年美女黄网站色视频大全免费| 丝袜脚勾引网站| 亚洲一区二区三区欧美精品| 婷婷成人精品国产| 菩萨蛮人人尽说江南好唐韦庄| 涩涩av久久男人的天堂| 777米奇影视久久| 国产主播在线观看一区二区 | 国产成人精品在线电影| 超碰成人久久| 母亲3免费完整高清在线观看| 精品少妇一区二区三区视频日本电影| 后天国语完整版免费观看| 悠悠久久av| 国产成人一区二区三区免费视频网站 | 国产精品.久久久| 国产免费一区二区三区四区乱码| 日本a在线网址| 一边摸一边抽搐一进一出视频| 母亲3免费完整高清在线观看| 亚洲五月色婷婷综合| 只有这里有精品99| 成年av动漫网址| 女人精品久久久久毛片| 午夜免费观看性视频| 国产人伦9x9x在线观看| 19禁男女啪啪无遮挡网站| 久久精品国产综合久久久| 亚洲欧美一区二区三区黑人| 国产精品免费视频内射| 亚洲美女黄色视频免费看| 欧美 日韩 精品 国产| 国产一区二区在线观看av| 国产一区有黄有色的免费视频| 欧美日韩亚洲国产一区二区在线观看 | 久久天躁狠狠躁夜夜2o2o | 性少妇av在线| avwww免费| 久久热在线av| 亚洲天堂av无毛| 另类精品久久| 99热网站在线观看| 青春草视频在线免费观看| 国产视频首页在线观看| 精品少妇黑人巨大在线播放| 亚洲,一卡二卡三卡| 99国产综合亚洲精品| 一本久久精品| 美女大奶头黄色视频| 久久精品久久久久久久性| 中文字幕人妻熟女乱码| 欧美+亚洲+日韩+国产| 久久久久视频综合| 亚洲成人国产一区在线观看 | 在线看a的网站| 久久人人爽人人片av| 亚洲色图 男人天堂 中文字幕| 日韩制服丝袜自拍偷拍| 日韩av免费高清视频| 人妻一区二区av| 美女福利国产在线| 永久免费av网站大全| 国产精品一二三区在线看| 女警被强在线播放| 精品一区二区三卡| 色视频在线一区二区三区| 夫妻性生交免费视频一级片| 黄色视频在线播放观看不卡| 国产一区二区三区av在线| 91字幕亚洲| 婷婷丁香在线五月| 男女床上黄色一级片免费看| 男男h啪啪无遮挡| 老司机影院毛片| 亚洲av片天天在线观看| 亚洲第一青青草原| 18禁裸乳无遮挡动漫免费视频| 男人舔女人的私密视频| 免费看十八禁软件| 在线观看免费高清a一片| 国产精品九九99| 中文字幕精品免费在线观看视频| 欧美亚洲 丝袜 人妻 在线| 男人舔女人的私密视频| 熟女少妇亚洲综合色aaa.| 在线精品无人区一区二区三| 夜夜骑夜夜射夜夜干| 亚洲精品自拍成人| 丝瓜视频免费看黄片| 国产精品免费大片| www.av在线官网国产| 婷婷色综合www| 又大又爽又粗| 亚洲伊人色综图| 多毛熟女@视频| www.av在线官网国产| 99国产精品一区二区三区| 大香蕉久久成人网| 亚洲伊人色综图| 欧美少妇被猛烈插入视频| 精品人妻熟女毛片av久久网站| av国产久精品久网站免费入址| 亚洲国产欧美一区二区综合| 999久久久国产精品视频| 一级片'在线观看视频| 在线精品无人区一区二区三| 2021少妇久久久久久久久久久| 国产黄色免费在线视频| 亚洲精品一区蜜桃| 国产亚洲午夜精品一区二区久久| 国产三级黄色录像| 午夜激情av网站| 国产欧美日韩综合在线一区二区| 日韩精品免费视频一区二区三区| 亚洲精品av麻豆狂野| 男女下面插进去视频免费观看| 丝袜在线中文字幕| 色综合欧美亚洲国产小说| 欧美人与善性xxx| 中文字幕精品免费在线观看视频| 91国产中文字幕| 久久久国产欧美日韩av| 国产高清国产精品国产三级| 人体艺术视频欧美日本| 天堂俺去俺来也www色官网| 国产97色在线日韩免费| 午夜福利,免费看| 一本大道久久a久久精品| 国产黄频视频在线观看| 精品亚洲成a人片在线观看| 国产精品一区二区在线不卡| 美女脱内裤让男人舔精品视频| 日韩一区二区三区影片| 极品人妻少妇av视频| 午夜福利视频在线观看免费| 中文字幕色久视频| 久久av网站| 人妻人人澡人人爽人人| 欧美精品人与动牲交sv欧美| 亚洲成人免费电影在线观看 | 成人国产一区最新在线观看 | 国产精品.久久久| 欧美精品亚洲一区二区| 精品一区二区三区四区五区乱码 | 91麻豆av在线| www.av在线官网国产| 97人妻天天添夜夜摸| 精品国产一区二区久久| 国产不卡av网站在线观看| 王馨瑶露胸无遮挡在线观看| 久久99精品国语久久久| 少妇精品久久久久久久| 黄色怎么调成土黄色| 国产成人精品久久二区二区91| 国产高清视频在线播放一区 | 欧美日韩国产mv在线观看视频| 亚洲精品久久久久久婷婷小说| 国产亚洲精品第一综合不卡| 黄片播放在线免费| 国产成人精品无人区| 成年av动漫网址| 国产片内射在线| 国产有黄有色有爽视频| 一级黄片播放器| 菩萨蛮人人尽说江南好唐韦庄| a级片在线免费高清观看视频| 欧美日韩国产mv在线观看视频| 在线观看免费日韩欧美大片| 无遮挡黄片免费观看| 人人澡人人妻人| 亚洲一码二码三码区别大吗| 伊人久久大香线蕉亚洲五| 成人影院久久| 成年美女黄网站色视频大全免费| 婷婷成人精品国产| 午夜激情久久久久久久| 1024香蕉在线观看| 一本久久精品| 美女大奶头黄色视频| 十八禁高潮呻吟视频| 9色porny在线观看| 男女下面插进去视频免费观看| 成人国产一区最新在线观看 | 精品久久久久久久毛片微露脸 | av在线app专区| 高潮久久久久久久久久久不卡| 精品福利永久在线观看| 97在线人人人人妻| 久久久久久久精品精品| 久久免费观看电影| 久久久国产欧美日韩av| av在线播放精品| 一级片免费观看大全| 国产亚洲精品第一综合不卡| 久久精品久久精品一区二区三区| 日韩人妻精品一区2区三区| 91成人精品电影| 国产av国产精品国产| 婷婷色麻豆天堂久久| 在线观看一区二区三区激情| 久久青草综合色| 亚洲国产欧美一区二区综合| 在线观看人妻少妇| 中文字幕av电影在线播放| 十八禁人妻一区二区| 欧美97在线视频| 午夜91福利影院| 成年人黄色毛片网站| 精品人妻在线不人妻| 无限看片的www在线观看| 99精品久久久久人妻精品| 国产不卡av网站在线观看| 老司机亚洲免费影院|