文件名称：基于机器学习的水质COD预测方法 (2008年)
文件大小：258KB
文件格式：PDF
更新时间：2024-06-18 11:24:11
工程技术 论文
运用紫外光谱进行水质有机污染物浓度（化学耗氧量（COD））的检测，必须建立紫外光谱数据与COD值之间的数学模型．运用机器学习方法中的LM-BP神经网络和支持向量机，建立了紫外多波段光谱数据与COD值的相关性模型，讨论了在LM-BP神经网络建模中网络结构选择、输人数据处理和训练程度控制，以及在支持向量机建模中核函数及其参数选择等问题．对某种水样的紫外多波段光谱，分别运用最小二乘法、LM-BP神经网络、支持向量机的相关性模型进行COD预测．结果表明，2种机器学习方法的预测能力明显优于最小二乘法，能够得到满意的