基于支持向量机模型的大型灌区运行状况综合评价研究

• 作 者: 费良军 武锦华 游黎 赵禄山
• 机 构: 西安理工大学西北水资源与环境生态教育部重点实验室
• 出 处: 沈阳农业大学学报
• 发表日期: 2010年4期
• 关键词: 大型灌区 支持向量机 分类算法 运行状况 综合评价 large-scale irrigation district support vector machin

支持向量机（SVM）是由VAPNIK等提出的建立在统计学习理论基础上的一种小样本机器学习方法。由于使用结构风险最小化原则代替经验风险最小化原则,使它较好地解决了小样本情况下的学习问题。引入了核函数思想,使它将非线性问题转化为线性问题来解决,降低了算法的复杂度。提出了大型自流灌区运行状况综合评价标准,探讨了利用支持向量机多类分类算法,构建了大型灌区运行状况的综合评价模型。研究表明：该方法简便、客观,并具有较强的实用性,能够正确地对大型灌区运行状况进行综合评价。