本申请基于择优分类的水质预测方法,对历史的水质指标数据进行归一化处理后,构造训练集,使用训练集分别对Adaboost水质预测模型、RVM水质预测模型、BP神经网络水质预测模型进行训练。然后使用一部分的数据集分别使用三种模型进行预测,结合每个数据使用不同模型得到的实际值与预测值的对比,训练基于SVM的择优分类器。对于新的...
基于择优分类的水质预测方法,包括如下步骤: 步骤1:采集水质数据; 步骤2:对水质数据与对应的时间节点进行归一化处理; 步骤3:构造训练集Training与验证集Validation; 步骤4:分别构造RVM水质预测模型、BP神经网络水质预测模型、Adaboost水质预测模型; 步骤5:使用步骤3中构造的训练集分别训练步骤4中构造的RVM水质预测模型、...
步骤8:输入新的数据,先通过步骤7中已经得到的SVM择优分类器选择出RVM水质预测模型、BP神经网络水质预测模型、Adaboost水质预测模型中最合适该数据的预测模型,再根据选择出的预测模型得到最终预测值。 2.根据权利要求1所述的基于择优分类的水质预测方法,其特征在于:所述步骤1采集水质数据的具体方式为,监测一定时间内某...
本申请基于择优分类的水质预测方法,对历史的水质指标数据进行归一化处理后,构造训练集,使用训练集分别对Adaboost水质预测模型,RVM水质预测模型,BP神经网络水质预测模型进行训练.然后使用一部分的数据集分别使用三种模型进行预测,结合每个数据使用不同模型得到的实际值与预测值的对比,训练基于SVM的择优分类器.对于新的数据...
本申请基于择优分类的水质预测方法,对历史的水质指标数据进行归一化处理后,构造训练集,使用训练集分别对Adaboost水质预测模型,RVM水质预测模型,BP神经网络水质预测模型进行训练.然后使用一部分的数据集分别使用三种模型进行预测,结合每个数据使用不同模型得到的实际值与预测值的对比,训练基于SVM的择优分类器.对于新的数据...
本发明是一种基于择优分类的水质预测方法,涉及机器学习与水质预测领域。背景技术水是人类经济社会发展的必要资源。我国水资源问题尤为突出:人均总量远低于平均水平,全国各大水系受污染程度严重。水污染防治一直是国家和社会关注的重点,其中水质预测是水资源污染控制的基础工作,准确预测水体污染物浓度的变化趋势尤为重要,而...