第10卷第5期 智能系统学报 Vol.10 No.5 2015年10月 CAAI Transactions on Intelligent Systems 0ct.2015 D0I:10.11992/is.201410018 网s络出版t地址：htp:/ww.cmki.net/kcms/detail/23.1538.tp.20150930.1556.022.html 进化支持向量机模型及其在水质评估中的应用 钱云2，梁艳春1，翟天放，刘洪志4，时小虎 (1.吉林大学计算机科学与技术学院，吉林长春130012：2.北华大学电气信息工程学院，吉林吉林132021：3.吉 林省水利科学研究院，吉林长春130022：4.吉林省计算中心吉林省计算机技术研究所，吉林长春130012) 摘要：水质评估模型是进行水质规划、环境水污染控制和环境管理的有效工具。利用遗传算法(G)对支持向量 机(SVM)分类算法的径向基核函数参数σ和错分惩罚因子C进行组合优化，建立进化支持向量机模型，并将该模型 应用于水质评估中。将该模型分别应用于松花江松原段、松花江哈尔滨段、黄河甘肃段和吉林桦甸关门位子水库的 真实数据上进行测试。实验结果表明，提出的进化支持向量机水质评估模型在分类精度和泛化能力上较经典SVM 方法都有所提高，表明了该方法的有效性。 关键词：水质评估模型：支持向量机(SVM):遗传算法(GA):径向基核函数：惩罚因子 中图分类号：TP391.4文献标志码：A文章编号：1673.4785(2015)05-0684-06 中文引用格式：钱云，梁艳春，程天放，等.进化支持向量机模型及其在水质评估中的应用[J].智能系统学报，2015,10(5)：684-689. 英文引用格式：QIAN Yun,LIANG Yanchun,ZHAI Tianfang,etal.Evolutionary support vector machine model and its application in water quality assessment[J].CAAI Transactions on Intelligent Systems,2015,10(5):684-689. Evolutionary support vector machine model and its application in water quality assessment QIAN Yun'.2,LIANG Yanchun',ZHAI Tianfang,LIU Hongzhi,SHI Xiaohu' (1.College of Computer Science and Technology,Jilin University,Changchun 130012,China;2.College of Electrical and Information Engineering,Beihua University,Jilin 132021,China:3.Jilin Water Resources Research Institute,Changchun 130022,China; 4.Computing Center of Jilin Province,Computer Technology Research Institute of Jilin Province,Changchun 130012,China) Abstract:A water quality assessment model is an effective tool for water quality planning,environmental water pol- lution control and environment management.In this paper,an evolutionary support vector machine (SVM)model is developed by using genetic algorithm (GA)to combine and optimize the radial basis kernel function parameter o and error penalty factor C of a SVM algorithm.This model is then extended to water quality assessment.To test the effectiveness of the proposed method,it is applied to a simulation on real data of the Songyuan and Harbin sections of the Songhua River,the Gansu section of the Yellow River,and the Jilin Huadian Guanmenlizi water reservoir. Simulation results show that,compared with the classical SVM method,the classification accuracy and generaliza- tion ability of the evolutionary support vector machine model for water quality assessment are improved. Keywords:water quality assessment model;support vector machine (SVM);genetic algorithms(GA);radial ba- sis kernel function;penalty factor 水是工业的血液、农业的命脉，随着世界人口的 来越大。2006年我国检测的7大水系的197条河 不断增长和经济的飞速发展，人类对水资源的需求 流的408个断面中，I类至Ⅲ类水质断面占46%， 量不断增加，工业废水和生活废水的排量与日俱增， V、V类占28%，超V类占26%，地表水资源污染十 对受纳水体的环境质量造成严重威胁，治理压力越 分严重。 水质评估是以水域水质监测指标为基础，按照 收稿日期：201410-14.网络出版日期：2015-09-30. 基金项目：吉林省科技发展计划项目(20130206003SF). 一定的评估标准对水环境水质进行评估，能够准确 通信作者：时小虎.E-mail:shixh@jm.edu.cm 反映水域水质状况和水体污染情况，达到提前预测第 １０ 卷第 ５ 期 智 能 系 统 学 报 Ｖｏｌ．１０ №．５ ２０１５ 年 １０ 月 ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ Ｏｃｔ． ２０１５ ＤＯＩ：１０．１１９９２ ／ ｔｉｓ．２０１４１００１８ 网络出版地址：ｈｔｔｐ： ／ ／ ｗｗｗ．ｃｎｋｉ．ｎｅｔ ／ ｋｃｍｓ／ ｄｅｔａｉｌ ／ ２３．１５３８．ｔｐ．２０１５０９３０．１５５６．０２２．ｈｔｍｌ 进化支持向量机模型及其在水质评估中的应用 钱云１， ２ ，梁艳春１ ，翟天放３ ，刘洪志４ ，时小虎１ （１． 吉林大学 计算机科学与技术学院，吉林 长春 １３００１２； ２． 北华大学 电气信息工程学院，吉林 吉林 １３２０２１； ３． 吉 林省水利科学研究院，吉林 长春 １３００２２； ４． 吉林省计算中心 吉林省计算机技术研究所，吉林 长春 １３００１２） 摘 要：水质评估模型是进行水质规划、环境水污染控制和环境管理的有效工具。 利用遗传算法（ＧＡ）对支持向量 机（ＳＶＭ）分类算法的径向基核函数参数 σ 和错分惩罚因子 Ｃ 进行组合优化，建立进化支持向量机模型，并将该模型 应用于水质评估中。 将该模型分别应用于松花江松原段、松花江哈尔滨段、黄河甘肃段和吉林桦甸关门砬子水库的 真实数据上进行测试。 实验结果表明，提出的进化支持向量机水质评估模型在分类精度和泛化能力上较经典 ＳＶＭ 方法都有所提高，表明了该方法的有效性。 关键词：水质评估模型；支持向量机（ＳＶＭ）；遗传算法（ＧＡ）；径向基核函数；惩罚因子 中图分类号：ＴＰ３９１．４ 文献标志码：Ａ 文章编号：１６７３⁃４７８５（２０１５）０５⁃０６８４⁃０６ 中文引用格式：钱云，梁艳春，翟天放，等． 进化支持向量机模型及其在水质评估中的应用［Ｊ］． 智能系统学报， ２０１５， １０（５）： ６８４⁃６８９． 英文引用格式：ＱＩＡＮ Ｙｕｎ， ＬＩＡＮＧ Ｙａｎｃｈｕｎ， ＺＨＡＩ Ｔｉａｎｆａｎｇ， ｅｔ ａｌ． Ｅｖｏｌｕｔｉｏｎａｒｙ ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｍａｃｈｉｎｅ ｍｏｄｅｌ ａｎｄ ｉｔｓ ａｐｐｌｉｃａｔｉｏｎ ｉｎ ｗａｔｅｒ ｑｕａｌｉｔｙ ａｓｓｅｓｓｍｅｎｔ［Ｊ］． ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ， ２０１５， １０（５）： ６８４⁃６８９． Ｅｖｏｌｕｔｉｏｎａｒｙ ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｍａｃｈｉｎｅ ｍｏｄｅｌ ａｎｄ ｉｔｓ ａｐｐｌｉｃａｔｉｏｎ ｉｎ ｗａｔｅｒ ｑｕａｌｉｔｙ ａｓｓｅｓｓｍｅｎｔ ＱＩＡＮ Ｙｕｎ １， ２ ， ＬＩＡＮＧ Ｙａｎｃｈｕｎ １ ， ＺＨＡＩ Ｔｉａｎｆａｎｇ ３ ， ＬＩＵ Ｈｏｎｇｚｈｉ ４ ， ＳＨＩ Ｘｉａｏｈｕ １ （ １． Ｃｏｌｌｅｇｅ ｏｆ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ， Ｊｉｌｉｎ Ｕｎｉｖｅｒｓｉｔｙ， Ｃｈａｎｇｃｈｕｎ １３００１２， Ｃｈｉｎａ； ２． Ｃｏｌｌｅｇｅ ｏｆ Ｅｌｅｃｔｒｉｃａｌ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ， Ｂｅｉｈｕａ Ｕｎｉｖｅｒｓｉｔｙ， Ｊｉｌｉｎ １３２０２１， Ｃｈｉｎａ； ３． Ｊｉｌｉｎ Ｗａｔｅｒ Ｒｅｓｏｕｒｃｅｓ Ｒｅｓｅａｒｃｈ Ｉｎｓｔｉｔｕｔｅ， Ｃｈａｎｇｃｈｕｎ １３００２２， Ｃｈｉｎａ； ４． Ｃｏｍｐｕｔｉｎｇ Ｃｅｎｔｅｒ ｏｆ Ｊｉｌｉｎ Ｐｒｏｖｉｎｃｅ， Ｃｏｍｐｕｔｅｒ Ｔｅｃｈｎｏｌｏｇｙ Ｒｅｓｅａｒｃｈ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｊｉｌｉｎ Ｐｒｏｖｉｎｃｅ， Ｃｈａｎｇｃｈｕｎ １３００１２， Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ａ ｗａｔｅｒ ｑｕａｌｉｔｙ ａｓｓｅｓｓｍｅｎｔ ｍｏｄｅｌ ｉｓ ａｎ ｅｆｆｅｃｔｉｖｅ ｔｏｏｌ ｆｏｒ ｗａｔｅｒ ｑｕａｌｉｔｙ ｐｌａｎｎｉｎｇ， ｅｎｖｉｒｏｎｍｅｎｔａｌ ｗａｔｅｒ ｐｏｌ⁃ ｌｕｔｉｏｎ ｃｏｎｔｒｏｌ ａｎｄ ｅｎｖｉｒｏｎｍｅｎｔ ｍａｎａｇｅｍｅｎｔ． Ｉｎ ｔｈｉｓ ｐａｐｅｒ， ａｎ ｅｖｏｌｕｔｉｏｎａｒｙ ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｍａｃｈｉｎｅ （ＳＶＭ） ｍｏｄｅｌ ｉｓ ｄｅｖｅｌｏｐｅｄ ｂｙ ｕｓｉｎｇ ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍ （ＧＡ） ｔｏ ｃｏｍｂｉｎｅ ａｎｄ ｏｐｔｉｍｉｚｅ ｔｈｅ ｒａｄｉａｌ ｂａｓｉｓ ｋｅｒｎｅｌ ｆｕｎｃｔｉｏｎ ｐａｒａｍｅｔｅｒ σ ａｎｄ ｅｒｒｏｒ ｐｅｎａｌｔｙ ｆａｃｔｏｒ Ｃ ｏｆ ａ ＳＶＭ ａｌｇｏｒｉｔｈｍ． Ｔｈｉｓ ｍｏｄｅｌ ｉｓ ｔｈｅｎ ｅｘｔｅｎｄｅｄ ｔｏ ｗａｔｅｒ ｑｕａｌｉｔｙ ａｓｓｅｓｓｍｅｎｔ． Ｔｏ ｔｅｓｔ ｔｈｅ ｅｆｆｅｃｔｉｖｅｎｅｓｓ ｏｆ ｔｈｅ ｐｒｏｐｏｓｅｄ ｍｅｔｈｏｄ， ｉｔ ｉｓ ａｐｐｌｉｅｄ ｔｏ ａ ｓｉｍｕｌａｔｉｏｎ ｏｎ ｒｅａｌ ｄａｔａ ｏｆ ｔｈｅ Ｓｏｎｇｙｕａｎ ａｎｄ Ｈａｒｂｉｎ ｓｅｃｔｉｏｎｓ ｏｆ ｔｈｅ Ｓｏｎｇｈｕａ Ｒｉｖｅｒ， ｔｈｅ Ｇａｎｓｕ ｓｅｃｔｉｏｎ ｏｆ ｔｈｅ Ｙｅｌｌｏｗ Ｒｉｖｅｒ， ａｎｄ ｔｈｅ Ｊｉｌｉｎ Ｈｕａｄｉａｎ Ｇｕａｎｍｅｎｌｉｚｉ ｗａｔｅｒ ｒｅｓｅｒｖｏｉｒ． Ｓｉｍｕｌａｔｉｏｎ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ， ｃｏｍｐａｒｅｄ ｗｉｔｈ ｔｈｅ ｃｌａｓｓｉｃａｌ ＳＶＭ ｍｅｔｈｏｄ， ｔｈｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ａｃｃｕｒａｃｙ ａｎｄ ｇｅｎｅｒａｌｉｚａ⁃ ｔｉｏｎ ａｂｉｌｉｔｙ ｏｆ ｔｈｅ ｅｖｏｌｕｔｉｏｎａｒｙ ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｍａｃｈｉｎｅ ｍｏｄｅｌ ｆｏｒ ｗａｔｅｒ ｑｕａｌｉｔｙ ａｓｓｅｓｓｍｅｎｔ ａｒｅ ｉｍｐｒｏｖｅｄ． Ｋｅｙｗｏｒｄｓ：ｗａｔｅｒ ｑｕａｌｉｔｙ ａｓｓｅｓｓｍｅｎｔ ｍｏｄｅｌ； ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｍａｃｈｉｎｅ （ＳＶＭ）； ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍｓ （ＧＡ）； ｒａｄｉａｌ ｂａ⁃ ｓｉｓ ｋｅｒｎｅｌ ｆｕｎｃｔｉｏｎ； ｐｅｎａｌｔｙ ｆａｃｔｏｒ 收稿日期：２０１４⁃１０⁃１４． 网络出版日期：２０１５⁃０９⁃３０． 基金项目：吉林省科技发展计划项目（２０１３０２０６００３ＳＦ）． 通信作者：时小虎． Ｅ⁃ｍａｉｌ：ｓｈｉｘｈ＠ ｊｌｕ．ｅｄｕ．ｃｎ． 水是工业的血液、农业的命脉，随着世界人口的 不断增长和经济的飞速发展，人类对水资源的需求 量不断增加，工业废水和生活废水的排量与日俱增， 对受纳水体的环境质量造成严重威胁，治理压力越 来越大。 ２００６ 年我国检测的 ７ 大水系的 １９７ 条河 流的 ４０８ 个断面中，Ⅰ类至Ⅲ类水质断面占 ４６％， Ⅳ、Ⅴ类占 ２８％，超Ⅴ类占 ２６％，地表水资源污染十 分严重。 水质评估是以水域水质监测指标为基础，按照 一定的评估标准对水环境水质进行评估，能够准确 反映水域水质状况和水体污染情况，达到提前预测