基于麻雀搜索算法优化支持向量机的区域水资源安全评价_曹敬椿.pdf
《基于麻雀搜索算法优化支持向量机的区域水资源安全评价_曹敬椿.pdf》由会员分享,可在线阅读,更多相关《基于麻雀搜索算法优化支持向量机的区域水资源安全评价_曹敬椿.pdf(4页珍藏版)》请在咨信网上搜索。
1、第4 1卷第5期2023年5月水 电 能 源 科 学W a t e r R e s o u r c e s a n d P o w e rV o l.4 1 N o.5M a y 2 0 2 3D O I:1 0.2 0 0 4 0/j.c n k i.1 0 0 0-7 7 0 9.2 0 2 3.2 0 2 2 1 4 5 6基于麻雀搜索算法优化支持向量机的区域水资源安全评价曹敬椿,卢 敏(云南农业大学水利学院,云南 昆明 6 5 0 2 1 0)摘要:针对我国水资源安全评价问题,结合支持向量机(S VM)对小样本、非线性问题分类效果好的特点,用麻雀搜索算法(S S A)对支持向量机的惩罚
2、因子(C)和核函数参数(g)进行优化,建立基于麻雀搜索算法优化的支持向量机模型(S S A-S VM)用于区域水资源安全评价,以洛阳市某区域为例进行研究。结果表明,S S A-S VM法与T-S模糊神经网络法得到的评价等级结果基本一致,S S A-S VM模型具有寻优速度快,不易陷入局部最优等特点,可用于区域水资源安全评价。关键词:麻雀搜索算法;参数优化;水资源安全;支持向量机中图分类号:TV 2 1 3.4;T P 1 8 文献标志码:A 文章编号:1 0 0 0-7 7 0 9(2 0 2 3)0 5-0 0 5 2-0 3收稿日期:2 0 2 2-0 7-1 5,修回日期:2 0 2 2
3、-0 8-1 5基金项目:国家自然科学基金项目(5 2 0 6 9 0 2 9)作者简介:曹敬椿(1 9 9 9-),男,硕士研究生,研究方向为水文与水资源工程,E-m a i l:2 4 5 7 9 0 2 7 5 7q q.c o m通讯作者:卢敏(1 9 7 2-),女,博士、副教授、硕导,研究方向为水文与水资源工程,E-m a i l:1 2 5 0 0 2 8 8 1 5q q.c o m1 引言水资源安全评价是水资源安全研究中的关键一环,对经济、社会、生态等可持续发展具有重大影响1。目前,区域水资源安全评价方法主要有主成分分析法2、层次分析法3、模糊综合评价法4、集对分析法5、神经
4、网络法6等。但这些方法均存在需要人为赋权重和易局部收敛等缺点。支持向量机是以结构风险最小化原则为基础的机器学习算法,用以解决小样本、非线性问题7。但其自身参数C、g的选用会直接影响支持向量机性能好坏,早期通常采用手动试算法来寻找参数,但效率低且难以控制精度8。此后引入智能算法来优化支持向量机参数,虽然可提高分类精度或加快寻优速度,但仍存在易陷入局部最优的问题9。麻雀搜索算法具有稳定性好、全局搜索能力强、参数少的特点,本文尝试引入该算法对支持向量机的参数进行自动寻优,建立基于麻雀搜索算法优化的支持向量机模型,并以洛阳市水资源安全评价为例分析验证了该方法的有效性。2 基于 SSA-SVM 的评价模
5、型2.1 麻雀搜索算法原理麻雀搜索算法是一种通过模仿麻雀捕食和反捕食行为的自动搜索优化方法,该方法具有搜索精度高、寻优速度快、运行时间短、不易陷入局部最优等特点1 0。麻雀种群主要分为发现者和加入者,它们在捕食过程中各自发挥不同作用。其中发现者作为种群中的先遣队伍,主要负责大范围搜索食物,当发现食物时,它们能够获取食物所在位置和方向,并提供给种群,故其搜索能力较强且搜索范围大,以保证种群中其他麻雀均能够获取食物。加入者追随发现者,根据发现者的搜索行为从而作出捕食行为,发现者为种群提供食物位置和方向以便加入者获取食物,此外还有一部分能够意识到危险的麻雀称之为预警者,当它们意识到危险时会通知其他麻
6、雀远离危险,并飞往其他的安全区域,即作出反捕食行为。麻雀搜索算法在捕食过程中,需使用虚拟麻雀搜索食物,设该种群由n只麻雀组成,其表现形式为:X=x1,1x1,2x1,mx2,1x2,2x2,mxn,1xn,2xn,m (1)式中,n为麻雀数量;m为所需求解问题变量的维数。发现者首先对食物进行大范围搜索,搜索能力较强,且搜索范围广,发现者离食物越近时,适应度值越好,当它们靠近食物时优先获取食物并第4 1卷第5期曹敬椿等:基于麻雀搜索算法优化支持向量机的区域水资源安全评价向加入者提供捕食位置和方向。发现者的位置更新公式为:Xt+1i,j=Xti,je x p-iii t e rm a x()R2S
7、TXti,j+Q LR2ST (2)式中,Xti,j为维数j迭代t次时第i只麻雀的位置信息;为随机数,且(0,1;ii t e rm a x为最大迭代次数;R2为预警值,且R20,1;ST为安全值,且ST0.5,1;Q为随机数且满足正态分布;L为1m矩阵,各元素为1。当R2n/2Xt+1p+Xti,j-Xt+1pA+L其他(3)其中A+=AT(A AT)-1式中,Xp、Xw o r s t分别为当前发现者最优位置和全局最差位置;A为1m矩阵,各元素均为1。当in/2时,第i个加入者当前所处位置较差,需到下一区域抢夺食物。预警者是指在反捕食过程中,随机选取了一部分麻雀,并初始化这些麻雀的位置信息
8、,它们占麻雀总数的1 0%2 0%,当危险靠近时,它们能够察觉并预警其他麻雀作出相应行为。预警者的位置Xt+1i,j更新公式为:Xt+1i,j=Xtb e s t+Xti,j-Xtb e s tfifgXti,j+KXti,j-Xtw o r s t(fi-fw)+fi=fg (4)式中,Xb e s t为当前全局最优位置;为随机数且满足标准正态分布;fi为第i只麻雀适应度值;fg、fw分别为当前全局最优和最差值;K为麻雀飞行方向;为令分母不为零的常数。当fifg时,预警者处于边缘即将遇到危险,为躲避捕食者而防止被攻击,其应向种群最优位置处移动;当fi=fg时,处于中间的预警者感知到危险来临,
9、为避免被捕食,需靠近其他麻雀到达安全区域。2.2 基于 SSA-SVM 的评价模型通过合理选取评价指标作为模型的训练集和测试集,采用S S A算法优化S VM的参数C、g,通过测试集进行验证,建立基于S S A-S VM的评价模型。具体步骤为初始化S S A算法最大迭代次数Tm a x、种群数P,设置S VM参数C、g的取值范围;计算麻雀适应度值并记录其当前所在相应位置信息,通过个体最优位置确定S VM最优参数,输出S VM最优参数C、g,建立S S A-S VM模型。3 应用以文献1 1 中洛阳市某区域水资源安全评价为例,采用S S A-S VM法评价区域水资源安全,并与T-S模糊神经网络法
10、的评价结果进行对比分析。采用1 4项区域水资源安全评价指标作为输入,输出为水资源安全评价等级,区域水资源安全评价标准具体见表1。表1 区域水资源安全评价指标分级标准T a b.1 R e g i o n a l w a t e r r e s o u r c e s s e c u r i t y e v a l u a t i o n i n d e x c l a s s i f i c a t i o n s t a n d a r d评价指标理想安全1级较安全2级临界安全3级较不安全4级危险5级人均水资源量/m3 3 0 0 0 2 0 0 0 3 0 0 0 1 0 0 0 2 0
11、0 0 5 0 0 1 0 0 0 5 0 0降水量/mm 1 0 0 08 0 0 1 0 0 06 0 0 8 0 04 0 0 6 0 0 6 0地表水资源开发利用率/%1 01 0 2 52 5 4 04 0 6 0 6 0城镇化率/%5 03 0 5 02 0 3 01 0 2 0 1 0工业废水化学需氧量/1 04t 0.10.1 11 33 5 5生活废水化学需氧量/1 04t 55 99 1 01 0 1 1 1 1第三产业占G D P比重/%1 51 5 5 05 0 1 0 01 0 0 3 0 0 3 0 0农业灌溉用水率/%2 02 0 3 53 5 5 55 5 7
12、5 7 5万元G D P用水量/(m3万元-1)1 51 5 5 05 0 1 0 01 0 0 3 0 0 3 0 0城市绿地覆盖率/%4 03 0 4 02 0 3 01 0 2 0 1 0生态用水率/%53 52 31 2 1水利及公共设施占G D P比重/%1 08 1 05 83 5 33.1 样本数据生成根据表1中给出的评价标准,用R a n d函数公式在各个评价等级间随机生成4 0组样本数据,共2 0 0组样本数据。随机取1 8 0组作训练集,其余作测试集,并进行归一化处理。3.2 S S A-S VM模型建立设置 初 始 种 群 数P=2 0,最 大 迭 代 次 数Tm a x
13、=1 0 0,C、g的 取 值 范 围 均 设 为 0.0 1,1 0 0 0,径向基函数作为S VM核函数,发现者的比例为0.2,加入者比例为0.8,预警值为0.8。通过对比训练集中的1 8 0组样本数据与真实值,得到均方根误差为0.0 7 7,均方误差为0.0 0 6,35拟合度系数R2达到了0.9 9 7,满足精度要求。训练集训练结果见图1。0204060801001201401601800 5.1.01 5.2.02 5.3.03 5.4.04 5.5.05 5.真实值预测值预测结果预测样本图1 训练集训练结果图F i g.1 T r a i n i n g s e t t r a i
14、 n i n g r e s u l t s经过S S A算法优化得到S VM最优参数C=2 4 6.1 7 1 8,g=0.0 1 0 0,并将最优参数带入S VM建立训练好的S S A-S VM模型。对测试集中的2 0组样本数据进行测试得到预测值,并与真实值对比,得到其最大相对误差为0.2 4 6 8,其余误差均较小,故该模型对测试集的测试效果较好,误差小,且在寻优过程中所需时间在91 5 s范围内,寻优速度快,可用于实例验证。测试集真实值与预测值相对误差见表2。表2 真实值与预测值相对误差T a b.2 R e l a t i v e e r r o r b e t w e e n r
15、e a l v a l u e a n d p r e d i c t e d v a l u e序号真实值 预测值相对误差序号 真实值 预测值相对误差111.1 2 8 5 0.1 2 8 51 132.9 7 4 4-0.0 2 5 6210.9 6 2 1-0.0 3 7 91 232.9 4 3 4-0.0 5 6 6311.1 4 3 10.1 4 3 11 344.0 0 5 60.0 0 5 6411.2 4 6 80.2 4 6 81 443.8 6 2 0-0.1 3 8 0521.8 9 7 5-0.1 0 2 51 544.0 9 1 70.0 9 1 7621.9 9
16、8 4-0.0 0 1 61 643.9 8 8 0-0.0 1 2 0721.9 5 8 7-0.0 4 1 31 754.9 9 2 8-0.0 0 7 2821.9 7 0 2-0.0 2 9 81 855.1 0 4 70.1 0 4 7933.1 0 6 30.1 0 6 31 955.0 1 3 20.0 1 3 21 033.0 4 0 50.0 4 0 52 055.0 4 5 40.0 4 5 43.3 SSA-SVM 模型评价根据训练好的模型进行计算,得到洛阳市2 0 0 82 0 1 7年的区域水资源安全评价结果,具体见表3。由表3可知,S S A-S VM法得到的评价等
17、表3 2 0 0 82 0 1 7年洛阳市区域水资源安全评价结果T a b.3 E v a l u a t i o n r e s u l t s o f r e g i o n a l w a t e r r e s o u r c e s s e c u r i t y i n L u o y a n g C i t y f r o m 2 0 0 8 t o 2 0 1 7年份评价等级T-S模糊神经网络法S S A-S VM法年份评价等级T-S模糊神经网络法S S A-S VM法2 0 0 8432 0 1 3332 0 0 9332 0 1 4332 0 1 0332 0 1 5332
18、 0 1 1332 0 1 6332 0 1 2332 0 1 733级结果与文献1 1 中T-S模糊神经网络法得到的评价等级结果几乎一致,且S S A-S VM模型具有寻优速度快、训练精度高,不易陷入局部最优等特点,表明S S A-S VM模型可用于水资源安全评价。4 结论S VM在处理小样本、非线性问题时效果较好,但其参数会影响性能好坏,针对S VM参数优化问题,引入S S A算法,建立基于S S A-S VM的水资源安全评价模型,并对洛阳市某区域进行实例研究,得到的区域水资源安全评价结果与T-S模糊神经网络法的结果基本一致,且该模型寻优速度快、精度高,不易陷入局部最优,表明S S A-S
19、 VM模型可用于水资源安全评价。参考文献:1 张立锋,张国兴.黄河流域中心城市水资源安全评价研究J.水电能源科学,2 0 2 2,4 0(3):5 5-5 8.2 张凤太,张军以,苏维词.基于熵权和主成分分析的岩溶区水资源安全评价以毕节为例J.环境工程,2 0 1 6,3 4(3):1 7 4-1 7 9.3 曾佩,傅琼华,皮家骏.基于物元法的江西省水资源安全评价J.水电能源科学,2 0 1 9,3 7(4):2 1-2 4.4 武兰珍,孙栋元,赵霞,等.疏勒河流域水资源安全评价研究J.中国农村水利水电,2 0 2 0(9):8 4-8 9,9 4.5 张志君,陈伏龙,龙爱华,等.基于模糊集对
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 麻雀 搜索 算法 优化 支持 向量 区域 水资源 安全评价 曹敬椿
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。