基于支持向量机的地下矿泉水质预测研究 ——以蒙山地下矿泉水质为例

论文摘要

地下水水质预测是地下水质量评价的一项重要内容,其目的是准确反映地下水环境的质量和污染状况。目前在进行地下水水质预测时,存在的主要问题是没有一个被大家公认通用的具有可比性的水质预测与评价的数学模型,各部门在进行评价时,选用数学模型的任意性很大。这些方法虽然在实际应用中占据主导地位,但人们也发现它们还存在着许多不足之处。本文对目前地下水环境质量预测的研究方法进行了系统总结,详细地阐述了统计学习理论研究的基本问题及主要内容。针对目前评价与预测方法存在的一些缺陷引出了支持向量机算法,简要回顾了支持向量机算法的发展历程和研究现状并总结了该算法的优点所在。支持向量机是在统计学习理论基础上开发出来的一种新的、非常有效的机器学习方法。它较好地解决了以往困扰很多学习方法的小样本、非线性、过学习、高维数、局部极小点等实际问题,具有很强的推广能力。本文在国内首次提出将支持向量机回归理论应用到地下矿泉水质参数的预测中。在综合研究SVM算法的基础上,针对地下矿泉水中偏硅酸含量和亚硝酸盐含量预测的问题,将水质参数平均浓度值的监测看成一个时间序列预测问题,提出了一种新的支持向量机的优化算法,并利用支持向量回归机对实验数据进行回归估计分析,并与BP网络方法进行了比较。从预测结果来看,利用支持向量机建立的预测模型,能充分利用训练样本的分布特性,预测结果与实际情况更为相符。实验结果表明,基于支持向量机方法比BP神经网络更加准确。最后,针对地下矿泉水水质预测反映的问题,我们提出了保护该处地下矿泉水的几项措施,以促进地下矿泉水质持续好转,实现可持续开发利用。本论文的创新之处:在国内首次提出将支持向量机回归理论应用到地下矿泉水质参数的预测中,丰富和拓展了支持向量机理论及其应用范围;预测评价了一段时期内该处地下矿泉水主要指标变化情况,为今后一段时期的地下矿泉水质监督管理、开发开采提供了重要参考依据;提出了保护性开发地下矿泉水的几个建议,为同类型矿泉水可持续开发提供参考。

论文目录

• 中文摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景及其意义
• 1.1.1 地下矿泉水的基本特征
• 1.1.2 地下天然矿泉水类型与人体健康
• 1.1.3 地下天然矿泉水的保护
• 1.2 目前国内外地下水水质预测研究现状
• 1.3 本文研究的主要内容
• 第二章 支持向量机理论
• 2.1 机器学习的基本方法
• 2.1.1 学习问题的一般表示
• 2.1.2 经验风险最小化原则
• 2.1.3 模型复杂度和推广能力
• 2.2 统计学习理论发展概述
• 2.2.1 VC 维
• 2.2.2 推广的界
• 2.2.3 结构风险最小化原理
• 2.3 支持向量机概述
• 2.3.1 线性回归与支持向量
• 2.3.2 非线性回归与支持向量
• 2.3.3 支持向量机的特点
• 2.4 本章小结
• 第三章 基于支持向量机与BP 人工神经网络的地下天然矿泉水水质预测比较
• 3.1 研究资料
• 3.2 基于支持向量机的水质模拟与预测
• 3.2.1 预测步骤
• 3.2.2 数据预处理
• 3.2.3 核函数选择
• 3.2.4 参数寻优
• 3.2.5 预测结果分析
• 3.3 本章小结
• 第四章 支持向量机在地下天然矿泉水水质预测中的应用
• 4.1 研究资料
• 4.2 基于支持向量机的水质模拟与预测
• 4.3 基于支持向量机的预测结果
• 4.4 地下天然矿泉水的保护性开发
• 4.5 本章小结
• 第五章 总结和展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 攻读硕士学位期间发表的学术论文
• 致谢