全部 标题 作者
关键词 摘要

OALib Journal期刊
ISSN: 2333-9721
费用:99美元

查看量下载量

相关文章

更多...
湖泊科学  2015 

基于支持向量机分类的嘉陵江草街水库甲藻水华预警

DOI: 10.18307/2015.0105

Keywords: 支持向量机,甲藻水华,草街水库,倪氏拟多甲藻

Full-Text   Cite this paper   Add to My Lib

Abstract:

嘉陵江草街水库自建成后2011-2013年连续3年发生甲藻水华现象,给当地经济发展和生态安全带来影响.根据2011年5月至2013年7月草街水库大坝上、下游8个断面的逐月调查数据,利用支持向量机在处理小样本问题、非线性分类问题和泛化推广方面的优势,构建了基于支持向量机分类的草街水库甲藻水华预警模型.结果表明,利用本月理化数据和本月倪氏拟多甲藻(Peridiniopsisniei)密度数据建立的模型,对测试样本取得了80%以上的判别正确率,且对甲藻水华样本的判别正确率为100%.因此,支持向量机作为新兴的机器学习方法,可以为环境管理部门发布水华预警信息提供科学依据,并在环境保护领域具有广阔的应用前景.

References

[1]  徐恒省,洪维民,王亚超等.太湖蓝藻水华预警监测技术体系的探讨.中国环境监测,2008,24(2):62-65.
[2]  王长友,于洋,孙运坤等.基于ELCOM-CAEDYM模型的太湖蓝藻水华早期预测探讨.中国环境科学,2013,33(3):491-502.
[3]  朱利,王桥,吴传庆等.巢湖水华遥感监测与年度统计分析研究.中国环境监测,2013,29(2):162-166.
[4]  周火艳,王崇云,彭明春等.滇池水华分形结构动态研究.环境科学与技术,2011,34(2):32-35.
[5]  朱爱民,乔晔,梁友光等.三峡水库支流童庄河拟多甲藻水华的监测.水生态学杂志,2012,33(4):49-53.
[6]  姚绪姣,刘德富,杨正健等.三峡水库香溪河库湾冬季甲藻水华生消机理初探.环境科学研究,2012,25(6):645-651.
[7]  孔繁翔,马荣华,高俊峰等.太湖蓝藻水华的预防、预测和预警的理论与实践.湖泊科学,2009,21(3):314-328.
[8]  周立国,冯学智,王春红等.太湖蓝藻水华的MODIS卫星监测.湖泊科学,2008,20(2):203-207.
[9]  尚琳琳,马荣华,段洪涛等.利用MODIS影像提取太湖蓝藻水华的尺度差异性分析.湖泊科学,2011,23(6):847-854.
[10]  Cha Y, Park SS, Kim K et al. Probabilistic prediction of cyanobacteria abundance in a Korean reservoir using a Bayesian Poisson model. Water Resources Research, 2014,50(3):2518-2532.
[11]  Cho S, Lim B, Jung J et al. Factors affecting algal blooms in a man-made lake and prediction using an artificial neural network. Measurement, 2014,53:224-233.
[12]  杨敏,毕永红,胡建林等.三峡水库香溪河库湾春季水华期间浮游植物昼夜垂直分布与迁移.湖泊科学,2011,23(3):375-382.
[13]  汤宏波,胡圣,胡征宇等.武汉东湖甲藻水华与环境因子的关系.湖泊科学,2007,19(6):632-636.
[14]  杨正健,刘德富,易仲强等.三峡水库香溪河库湾拟多甲藻的昼夜垂直迁移特性.环境科学研究,2010,23(1):26-32.
[15]  边归国.九龙江北溪拟多甲藻水华防治与应急处置.中国环境管理,2012,(1):45-49.
[16]  龙胜兴,陈椽,俞振兴等.贵州黔东南州三板溪水库春季拟多甲藻水华特征.中国环境监测,2012,28(6):27-31.
[17]  Vapnik V. The nature of statistical learning theory. New York:Springer, 1995.
[18]  Xie Z, Lou I, Ung WK et al. Freshwater algal bloom prediction by support vector machine in Macau Storage Reservoirs. Mathematical Problems in Engineering, 2012,2012:1-12.
[19]  Gokaraju B, Durbha SS, King RL et al. A machine learning based spatio-temporal data mining approach for detection of harmful algal blooms in the Gulf of Mexico. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2011,4(3):710-720.
[20]  国家环境保护总局《水和废水监测分析方法》编委会. 水和废水监测分析方法:第4版. 北京:中国环境科学出版社, 2002.
[21]  更多...
[22]  李正最,谢悦波.洞庭湖富营养化支持向量机评价模型研究.人民长江,2010,41(10):75-78.
[23]  周鹏,曾晖,周原等.支持向量机用于芳烃类化合物对芳烃受体亲和性QSAR研究.环境科学学报,2006,26(1):124-129.
[24]  高隽.人工神经网络原理及仿真实例.北京:机械工业出版社,2003.
[25]  张琪,缪荣丽,刘国祥等.淡水甲藻水华研究综述.水生生物学报,2012,36(2):352-360.
[26]  熊秋芬,胡江林,陈永义.天空云量预报及支持向量机和神经网络方法比较研究.热带气象学报,2007,23(3):255-260.

Full-Text

Contact Us

service@oalib.com

QQ:3279437679

WhatsApp +8615387084133