地下水水质评价是地下水资源评价的一项重要内容,它根据地下水的主要物质成份的物理或化学值和相应的水质标准,分析地下水水质的可用程度,为地下水资源的开发利用、规划和管理提供科学依据。 目前水质评价数学模型很多,如综合指数法、模糊数学法、灰色聚类法等。但这些传统方法并没有很好地解决评价因子与水质等级间复杂的非线性关系,评价过程中的权重需要人为设计,限制了评价模式的通用性,也影响了结果的可靠性。近年来发展起来的支持向量机技术为实现上述目标提供了有效的方法。本文在对支持向量机技术理论研究的基础上主要做出了如下应用研究工作: 本文提出将支持向量机回归理论应用到济南地下水水质参数的预测中。实验结果表明,基于支持向量机回归理论的方法比BP神经网络和径向基函数(RBF)神经网络更加准确。 本文提出将支持向量机分类理论应用于济南地下水水质的评价中。采用三种不同核函数的支持向量机对水质监测的数据进行处理。实验表明,这种模式识别理论用于水质评价是可行的。而且此方法具有水质评价结果不依赖于核函数种类的优点。本文将这种水质评价的结果与其他传统方法--单因子法,模糊理论法,BP神经网络水质评价的结果相比较。结果表明于支持向量机分类理论的水质评价更加符合客观事实。 本文在以上工作的基础上还提出了一种新的基于支持向量机预测和支持向量机分类的水质评价模型--混合支持向量机模型。