基于机器学习理论的海洋水质评价模型

论文摘要

为构建适用于海洋水质的评价模型,这里以大数据下的机器学习理论为基础,利用一个包含40万个站位组成,每个站位包含13个水质指标信息的理论假设大样本,选择三种适用于多特征多分类问题的机器学习算法:决策树、贝叶斯和支持向量机来构建适用于水质评价的模型,得出基于支持向量机算法的评价模型效果最好,可作为解决利用多水质指标信息综合评价海洋水质这一问题的有效方法。

论文目录

• 0 引言
• 1 水质评价的样本
• 2 机器学习
•   2.1 算法原理
•     2.1.1 决策树
•     2.1.2 贝叶斯
•     2.1.3 支持向量机
• 3 实际应用
•   3.1 计算过程
•     3.1.1 数据读取
•     3.1.2 数据切分
•     3.1.3 数据标准化
•     3.1.4 机器学习模型
•     3.1.5 评估模型准确性
• 4 结论

文章来源

类型: 期刊论文

作者: 张莹,谢仕义,邓伟彬,彭发定,余昱昕,张培珍

关键词: 机器学习,海洋水质评价,大样本,支持向量机

来源: 物探化探计算技术 2019年06期

年度: 2019

分类: 基础科学,工程科技Ⅰ辑

专业: 环境科学与资源利用

单位: 广东海洋大学数学与计算机学院,广东海洋大学电子与信息工程学院

基金: 国家自然科学基金(11974084),广东省普通高校特色创新类项目(2018KTSCX091),广东省大学生创新创业训练计划项目(CXXL2019082)

分类号: X824

页码: 819-825

总页数: 7

文件大小: 238K

下载量: 198