公开(公告)号：CN102073797B

公开(公告)日：2013-02-27

申请号：CN201110043405.X

申请日：2011-02-23

Applicant: 江南大学 ,  无锡市滨湖区环境监测站 ,  江苏省环境监测中心

Inventor： 丁彦蕊 ,  徐国伟 ,  孙培冬 ,  陈蓓 ,  蔡宇杰 ,  王文超

IPC: G06F19/00

Abstract: 本发明公开了一种基于PSO和SVM混合算法识别太湖入湖河流水质主要影响因素的分析方法，属于水质监控技术领域。本发明方法将PSO算法与SVM算法结合；PSO算法用于优化SVM算法的参数c和g，以利于快速、高效的确定c和g的全局最优值；SVM算法基于最优的c和g，以影响水质的众多影响因素作为特征向量预测不同水质，通过预测率高低识别确定太湖入湖河流水质的主要影响因素。本发明方法能够准确的从影响水质的各种影响因素中识别出主要影响因素，为河流水质的监控预警提供了有利的证据。

公开(公告)号：CN102073797A

公开(公告)日：2011-05-25

申请号：CN201110043405.X

申请日：2011-02-23

Applicant: 江南大学

Inventor： 丁彦蕊 ,  徐国伟 ,  孙培冬 ,  陈蓓 ,  蔡宇杰 ,  王文超

IPC: G06F19/00

Abstract: 本发明公开了一种基于PSO和SVM混合算法识别太湖入湖河流水质主要影响因素的分析方法，属于水质监控技术领域。本发明方法将PSO算法与SVM算法结合；PSO算法用于优化SVM算法的参数c和g，以利于快速、高效的确定c和g的全局最优值；SVM算法基于最优的c和g，以影响水质的众多影响因素作为特征向量预测不同水质，通过预测率高低识别确定太湖入湖河流水质的主要影响因素。本发明方法能够准确的从影响水质的各种影响因素中识别出主要影响因素，为河流水质的监控预警提供了有利的证据。