基于IGWOPSO-SVM算法的水质监测及等级评定系统

作     者：蒋冬 肖茂华 张海军 周俊博 朱虹 汪小旵 陈爽 JIANG Dong;XIAO Maohua;ZHANG Haijun;ZHOU Junbo;ZHU Hong;WANG Xiaochan;CHEN Shuang

作者机构：南京农业大学工学院江苏南京210031 江苏省农机具开发应用中心江苏南京210017 江苏双木测控技术有限公司江苏镇江212300 

基　　金：江苏省科技计划项目(BE2022385,BZ2021024) 江苏省现代农机装备与技术示范推广项目(NJ2021-03) 镇江市重点研发项目(NY2021018) 丹阳市重点研发项目(SNY202105) 

出 版 物：《华南农业大学学报》 (Journal of South China Agricultural University)

年 卷 期：2023年第44卷第4期

页      码：638-648页

摘      要：【目的】水污染监测是流域水污染防治工作的前提。为实现高精度的地表水水质监测及水体等级评定,本研究设计基于IGWOPSO-SVM(Improved grey wolf optimizer particle swarm optimization-support vector machine)模型的水质监测及等级评定系统。【方法】选用传感器组、STM32F103单片机、ESP8266WIFI无线通信模块搭建水质监测系统数据处理模块,利用WIFI无线通信将数据处理模块采集到的水质数据传输至服务器,设计水质监测系统服务器交互端,同时开发水质监测小程序对水质等级进行实时监测。基于改进粒子群算法(Improved particle swarm optimization,IPSO)及灰狼算法(Grey wolf optimizer,GWO)提出了IGWOPSO算法,对SVM进行优化,据此提出了IGWOPSO-SVM水质等级评定算法。基于南京市玄武湖、金川河、江浦水源地135组水质数据对本系统水质等级评定效果进行试验验证。【结果】相比于SVM,IGWOPSO-SVM水质等级评定算法的总样本分类准确率由86.67%上升至100.00%,上升了13.33个百分点;相比于粒子群算法(Particle swarm optimization,PSO),IGWOPSO算法的最佳适应度由86.80上升至99.20,提高了14.29%。【结论】本研究解决了传统水体等级评定方法效率低、准确率低的问题,为地表水水质的精确监测提供了方法借鉴。

主 题 词：水质监测系统 支持向量机 粒子群算法 灰狼算法 改进粒子群算法 IGWOPSO-SVM 

学科分类：090801[090801] 0711[理学-心理学类] 0908[0908] 07[理学] 08[工学] 081104[081104] 09[农学] 0811[工学-水利类] 071102[071102] 081103[081103] 

核心收录：

D　O　I：10.7671/j.issn.1001-411X.202207034

馆 藏 号：203122379...