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

作     者：烟贯发 张雪萍 王书玉 张冬有 杜百利 景伟伟 YAN Guanfa;ZHANG Xueping;WANG Shuyu;ZHANG Dongyou;DU Baili;JING Weiwei

作者机构：哈尔滨师范大学地理学院哈尔滨150025 黑龙江省水利水电勘测设计研究院哈尔滨150080 

基　　金：黑龙江省教育厅面上项目(No.12541228) 哈尔滨师范大学预研项目(No.10xkyy14) 

出 版 物：《环境科学学报》 (Acta Scientiae Circumstantiae)

年 卷 期：2014年第34卷第8期

页      码：2148-2156页

摘      要：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700 nm和750 nm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10.11 mg·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.

主 题 词：粒子群优化算法 最小二乘支持向量机 悬浮物 遥感反演 松花江 

学科分类：083002[083002] 0830[工学-生物工程类] 07[理学] 08[工学] 0815[工学-矿业类] 0713[0713] 

核心收录：

D　O　I：10.13671/j.hjkxxb.2014.0744

馆 藏 号：203148962...