基于改进的PSO优化LSSVM参数的松花江哈尔滨段悬浮物的遥感反演

悬浮物是松花江水质和水环境评价的重要参数之一.利用在松花江哈尔滨段江面上29个采样点的实测高光谱和悬浮物浓度数据，用20个采样点数据为训练集，9个采样点数据为测试集.将机器学习和全局优化智能计算方法引入，应用改进的粒子群（PSO）优化最小二乘支持向量机（LSSVM）参数，以均方根误差RMSE为适应度函数，根据迭代得到LSSVM最优参数值，用700nm和750nm光谱反射率比值（R700/R750）为特征变量，悬浮物数据为目标变量，用训练集数据训练得到反演模型，使用测试集数据进行验证.结果表明，此模型收敛速度快，精度高，得到预测值的均方根误差RMSE为10.11mg·L-1，平均绝对百分误差MAPE为10.72%，模型决定系数R2为0.952，该方法可用来对其它水质参数反演预测提供参照.