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

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.

关键词：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

所属期刊栏目：34

分类号：X824(环境质量分析与评价)

在线出版日期：2014-08-26（万方平台首次上网日期，不代表论文的发表时间）

页码：2148-2156