基于LSSVM的六价铬含量预测模型.docVIP

基于LSSVM的六价铬含量预测模型 　　摘 要： 设计一种六价铬自动测量系统，为提高测量的准确度，使用最小二乘支持向量机（LSSVM）算法建立预测模型，并使用混合蛙跳算法优化LSSVM算法的参数，可避免算法收敛于局部最优，增强算法的泛化能力，减少算法对异常样本的预测偏差，提高精度。通过对神经网络模型及LSSVM模型进行仿真对比，结果显示LSSVM模型的六价铬含量预测误差更小。 　　关键词： 支持向量机； 六价铬； 预测偏差； 自动测量系统 　　中图分类号： TN911?34； TP391 文献标识码： A 文章编号： 1004?373X（2017）03?0100?03 　　Hexavalent chromium content prediction model based on LSSVM 　　JU Jinwu 　　（School of Computer Science， Sichuan University of Science and Engineering， Zigong 643000， China） 　　Abstract： A hexavalent chromium automatic measuring system was designed to improve the measurement accuracy. The least square support vector machine （LSSVM） algorithm is used to establish the prediction model， and the shuffled frog leaping algorithm is used to optimize the parameters of LSSVM algorithm to prevent the algorithm converging to the local optimum， enhance the generalization ability of the algorithm， reduce the algorithm′s prediction deviation for the abnormal samples， and improve the accuracy. The neural network model and LSSVM model are simulated respectively. The results show that the prediction error of the hexavalent chromium content predicted with LSSVM model is much smaller. 　　Keywords： support vector machine； hexavalent chromium； prediction deviation； automatic measuring system 　　0 引 言 　　六?r铬的测量是评价水体重金属污染情况的重要测量项目[1]，为了实现对水质六价铬的自动在线测量，基于GB7467?87（2）测试标准，设计一种六价铬自动测量系统。测量原理是在被测水样中加入磷酸和硫酸，然后再加入二苯碳酰二肼，水样中六价铬与之反应[2]，生成紫红色化合物，采用紫外线分光光度法测量，进而测量出六价铬的含量。分光光度法具有生成化合物速度快，吸光度分辨率高的优点，是一种有效的测量方法，特别适合设计成六价铬自动测量系统。但是，分光光度法的缺点是试剂的成本较高，测量周期较长，数据量少，外部环境因素易对测量产生影响，重复性误差±5%，数据准备急需提高。通过使用神经网络[3?4]、支持向量机[5]等技术对六价铬的测量建立数据分析预测模型，可以有效提高测量可靠性。神经网络较适合用于数据量大的场合，而采用分光光度法测量六价铬，所得数据量不多，较适合使用支持向量机技术。配方采用最小二乘支持向量机（LSSVM）技术，以改善基本支持向量机的缺点。同时使用混合蛙跳算法，优化LSSVM的参数，进一步提高算法的泛化能力，减少异常数据的预测偏差。 　　1 LSSVM算法 　　1.1 基本理论 　　SVM算法基于统计理论的机器学习方法，依据结构风险最小原则，使得算法具有较好的学习泛化能力，适用于统计样本数量不多的场合。通过改善约束条件和目标优化函数，LSSVM算法使泛化能力得到进一步提高[6]。 　　LSSVM算法设置如式（1）的决策函数： 　　[y（x）=ω?（x）+b+ξk] （1） 　　这样，算法的目标优化函数[7]如下： 　　[Min J（ω，ξ）=12ω2+Ci=1Nυiξ2ks.t. yk