基于改进支持向量机的渔业环境污染等级评估方法技术

一种基于改进支持向量机的渔业水域环境污染等级评估方法。本发明专利技术属于环境评价技术领域，它的步骤为首先分析涉海工程中影响渔业环境质量的相关因素，然后根据相关因素构建评价指标，并为指标样本数据添加标签，然后将评价指标与支持向量机模型相结合，结合网格搜索和交叉验证方法来优化支持向量机模型，建立了评价指标和渔业环境质量等级之间的复杂非线性关系，使评价结果更加科学合理、符合客观实际，在样本有限的情况下也能取得较好的环境质量等级评估。

Assessment method of fishery environmental pollution grade based on improved support vector machines

A method for evaluating the grade of environmental pollution in fishery waters based on improved support vector machines. The invention belongs to the technical field of environmental assessment, it includes the following steps: firstly, analysis of factors influencing quality of fishery environment in marine engineering, and then construct the evaluation index according to the related factors, and to add labels for the index of the sample data, and then the evaluation index and the model of support vector machine combined with grid search and cross validation method to optimize support vector machine model, established the non-linear relationship between the evaluation index and fisheries environmental quality level, which makes the evaluation results more scientific and reasonable, practical, can achieve a better environmental quality assessment under the condition of finite samples.

【技术实现步骤摘要】
基于改进支持向量机的渔业环境污染等级评估方法
本专利技术属于环境质量评估
，尤其涉及一种基于改进支持向量机的渔业水域环境污染等级评估方法。技术背景由于涉海工程在建设过程中，会产生大量的悬浮泥沙，而悬浮物中含有的有毒有害物质可能在海水中重新溶出产生二次污染，影响了施工海域及附近海域的海水水质和沉积环境，进而影响了渔业水生生物的生存。因此对涉海建设工程施工前后的渔业环境调查并进行环境污染等级评估，可以充分掌握施工前后海域环境变化情况，对于后续的渔业资源和生态环境保护具有重要意义。海洋渔业环境质量的等级评估受多方面因素的影响，针对涉渔工程中渔业环境污染的等级评估研究，更多的是通过一些数学模型定量或定性分析来得到渔业的损害，而本专利技术综合考虑反映海洋渔业环境污染程度的海水环境和沉积环境的各项指标，引入机器学习方法中的支持向量机模型对反映海水水质、沉积环境状况的评价指标进行融合，建立了评价指标和渔业环境质量等级之间的复杂非线性关系，同时解决了样品采集的有限性问题。
技术实现思路
本专利技术要解决的技术问题在于提供一种基于改进支持向量机的渔业环境污染等级评估方法，所述方法融合多个反映海水水质、沉积环境的指标和改进支持向量机模型，提高了渔业环境污染等级评估的快捷度和准确性，具有较高的工程应用价值。本专利技术是通过如下技术方案来实现的：一种基于改进支持向量机的渔业环境污染等级评估方法，它包括以下步骤：一种基于改进支持向量机的渔业环境污染等级评估方法，它包括以下步骤：1)调查和采集涉海工程实施前后的反映海水水质和沉积环境的指标，存入到数据库中；2)采用ZCA白化对各指标数据预处理；3)按照《海水水质标准》中的水质等级规定和计算公式，为指标样本数据添加对应的水质等级标签；进一步，所述步骤3)中的计算公式为A综合＝A有机+A有毒+A无机+A其他；A有机＝石油类+悬浮物质+漂浮物质+有机碳；A有毒＝(铬+镉+铅+铜+汞+砷)/5；A无机＝无机氮+活性磷酸盐+硫化物；A其他＝盐度+溶解氧+化学需氧量+pH。4)第3)步得到的带标签的指标数据矩阵，随机分为训练集、测试集和交叉验证集，采用网格搜索和十字交叉验证方法在交叉验证集搜索到最优的参数组合C和g，然后把训练集输入到设定最优参数的改进支持向量机模型训练，得到污染等级评估模型，最后输入测试集测试，得到渔业环境污染等级评估的正确率，验证了所提方法的有效性。在上述步骤1)中：影响渔业环境污染的因素主要有：涉海工程建设中产生的悬浮泥沙，以及由悬浮泥沙带来的有毒有害物质。因此调查涉海工程实施后的水环境、沉积环境，其中水环境调查项目为盐度、pH、溶解氧、漂浮物质、悬浮物质、无机氮、活性磷酸盐、化学需氧量共8项指标，沉积环境包括硫化物、有机碳、石油类、重金属。进一步，所述的无机氮包括硝酸盐、亚硝酸盐和氨氮；所述的重金属包括铬、镉、铅、铜、汞和砷。在上述步骤2)中：由于样本集中各个指标的量纲和取值范围均不相同，同时考虑到各个指标之间的独立性，指标之间的相关性应尽可能小，这样会减少模型的训练误差。因此采用ZCA白化技术预处理数据。在上述步骤3)中：按照《海水水质标准》和《海洋沉积物质量标准》中的质量等级规定和计算公式(1)，为指标样本数据添加对应的水质污染等级标签。在上述步骤4)中：把经过预处理的数据集，按照随机分为训练集和测试集和交叉验证集，采用网格搜索和十字交叉验证方法在交叉验证集搜索到最优的参数组合C和g，把训练集输入到设定最优参数的改进支持向量机模型训练，得到污染等级评估模型，最后输入测试集测试，得到渔业环境污染等级评估的正确率，验证了所提方法的有效性。本专利技术解决了环境指标样本小的及各指标难融合的问题，利用支持向量机建立人工智能模型实现环境污染等级的评估。在构建支持向量机模型的过程中，采用网格搜索算法进行支持向量机内部参数优化，建立基于优化参数的渔业环境污染等级评估模型，相较与传统的渔业环境污染等级评估方法，本专利技术具有更高的准确性和智能性。附图说明图1基于改进支持向量机对渔业环境污染等级评估方法流程图；图2SVC(SupportVectorClassification)参数选择网格优化等高线图；图3SVC参数选择优化网格三维图。具体实施方式下面结合附图和实施案例对本专利技术的技术方案进行详细的说明，图1给出了海洋渔业环境污染程度的评估过程，具体步骤如下：步骤1：海洋渔业环境污染程度影响因素分析。影响渔业水域环境质量的因素主要有：涉海工程建设中产生的悬浮泥沙，以及由悬浮泥沙带来的有毒有害物质。因此调查涉海工程实施后的水环境、沉积环境，其中水环境调查项目包括盐度、pH、溶解氧、漂浮物质、悬浮物质、无机氮、活性磷酸盐、化学需氧量共8项指标，沉积环境包括硫化物、有机碳、石油类、重金属。进一步，所述的无机氮包括硝酸盐、亚硝酸盐和氨氮；所述的重金属包括铬、镉、铅、铜、汞和砷。步骤2：评价指标数据的预处理。由于样本集中各个指标的量纲和取值范围均不相同，同时考虑到各个指标的独立性，指标之间的相关性应尽可能小，这样会减少模型的训练误差。因此采用ZCA白化技术预处理数据。步骤3：为指标样本数据添加水质污染等级标签。按照《海水水质标准》和《海洋沉积物质量标准》中的质量等级规定和计算公式(1)，为指标样本数据添加对应的环境污染等级标签。步骤4：结合指标数据和支持向量机模型，得到渔业环境污染等级评价模型。把经过预处理的数据集，按照随机分为训练集和测试集和交叉验证集，采用网格搜索和十字交叉验证方法在交叉验证集搜索到最优的参数组合C和g，把训练集输入到设定最优参数的改进支持向量机模型训练，得到污染等级评估模型，最后输入测试集测试，得到渔业环境污染等级评估的正确率，来评估模型的优劣。所述的步骤1具体说明如下：影响渔业海域环境污染的因素主要有：涉海工程建设中砂石等悬浮物，以及由悬浮泥沙带来的重金属等有害物质。为了全面反映海水水质、沉积物环境质量状况，本专利技术构建了以下指标体系。详见表1所示：表1渔业环境污染程度的影响因素和指标体系在海洋渔业环境污染程度的评价指标中，悬浮物质是重要的观测指标之一，其含量的大小决定了涉海工程对海水环境的污染程度，也是后面为样本数据添加标签重点考虑的指标。涉海工程对海洋渔业造成潜在影响的其它毒性因子包括硫化物、石油类、重金属。所述的步骤2具体说明如下：本案例采用渤海海域某海湾的监测数据，由于各个参数之间的量纲差别较大，因此对样本进行归一化处理，经过预处理后有效调节了指标的范围和量纲的不同，避免数值取舍不当情况的出现，提高预测精度。同时为了减少指标数据的冗余性使各个指标的标准统一，使得所有的属性方差一致、不同属性之间尽量不相关或者相关性较低。因此在样本数据输入到支持向量机前对原始数据进白化处理。经白化处理后的输入数据具有以下性质：1)特征之间相关性较低；2)所有特征具有相同的方差。常见的白化操作有PCA(PrincipalComponentAnalysis)白化和ZCA白化，其中PCA白化能确保数据各维度的方差为1，可用于降维也可以去相关性；ZCA白化是保证数据各维度的方差相同，主要用于去相关性，且尽量使白化后的数据接近原始输入数据。假设原始指标数据集中有n个样本，每个样本有d个指标，ZCA白本文档来自技高网...

【技术保护点】
一种基于改进支持向量机的渔业环境污染等级评估方法，其特征在于它包括以下步骤：1)调查和采集涉海工程实施前后的反映海水水质和沉积环境的指标，存入到数据库中；2)采用ZCA白化对各指标数据预处理；3)按照《海水水质标准》中的水质等级规定和计算公式，为指标样本数据添加对应的水质等级标签；4)第3)步得到的带标签的指标数据矩阵，随机分为训练集、测试集和交叉验证集，采用网格搜索和十字交叉验证方法在交叉验证集搜索到最优的参数组合C和g，然后把训练集输入到设定最优参数的改进支持向量机模型训练，得到污染等级评估模型，最后输入测试集测试，得到渔业环境污染等级评估的正确率，验证了所提方法的有效性。

【技术特征摘要】
1.一种基于改进支持向量机的渔业环境污染等级评估方法，其特征在于它包括以下步骤：1)调查和采集涉海工程实施前后的反映海水水质和沉积环境的指标，存入到数据库中；2)采用ZCA白化对各指标数据预处理；3)按照《海水水质标准》中的水质等级规定和计算公式，为指标样本数据添加对应的水质等级标签；4)第3)步得到的带标签的指标数据矩阵，随机分为训练集、测试集和交叉验证集，采用网格搜索和十字交叉验证方法在交叉验证集搜索到最优的参数组合C和g，然后把训练集输入到设定最优参数的改进支持向量机模型训练，得到污染等级评估模型，最后输入测试集测试，得到渔业环境污染等级评估的正确率，验证了所提方法的有效性。2.根据权利要求1所述的一种基于改进支持向量机的渔业环境污染等级...

【专利技术属性】
技术研发人员：崔正国，曲克明，赵俊，陈碧鹃，陈聚法，
申请(专利权)人：中国水产科学研究院黄海水产研究所，
类型：发明
国别省市：山东,37