.png){kind=icon}
返回
Improving Water Quality Evaluation Using an Optimized Multi-Output Support Vector Machine
.png){kind=icon}
PRE
AI
DOI：10.1007/s11269-026-04798-7.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
快速城市化和工业排放对中国最重要的战略水源和生态廊道——长江构成了严重的有机物和营养物污染风险。尽管水质评价对污染控制至关重要，但传统方法繁琐且无法实现多站点的同时预测。为应对这些挑战，本研究提出了一种连贯且全面的框架，而非简单的技术列表。首先，熵权水质指数（EWQI）取代了传统的主观水质指数，提供了一种客观且简化的评估方法。其次，为克服单站点模型的低效性，采用多输出支持向量机（MSVM）同时预测多个站点的EWQI，并通过相关性分析确定了环境因素的最优组合。此外，为获取MSVM的最优超参数，分别将粒子群优化（PSO）和灰狼优化器（GWO）嵌入该框架进行对比分析。结果表明，所提出的GWO-MSVM框架表现最佳，平均均方根误差（RMSE）为1.331，平均纳什-斯图尔特效率（NSE）为0.9603，平均确定系数（R²）为0.9792。与基准MSVM相比，其RMSE降低34.6%，NSE提高8.2%，R²值提高3.5%。本研究提供了一种高效准确的多站点预测框架，显著降低了区域监测的 computational cost，为动态水质预测和流域级协同治理提供了强有力的技术支持。
Keyword:
Water quality
Water resources management
Machine learning
EWQI
MSVM
期刊
IF:
4.7
论文数:
8.1K
被引数:
1.6W
机构
查看更多机构
引用论文
Prediction of water quality index (WQI) using support vector machine (SVM) and least square-support vector machine (LS-SVM)基于支持向量机 (SVM) 和最小二乘支持向量机 (ls-svm) 的水质指数 (WQI) 预测
.png){kind=icon}
PREAI
分享收藏分享收藏Groundwater quality assessment using entropy weighted water quality index (EWQI) in Lenjanat, Iran
PREAI
分享收藏Recent Advances in Surface Water Quality Prediction Using Artificial Intelligence Models基于人工智能模型的地表水水质预测研究进展
PREAI
分享收藏
查看更多内容