基于机器学习的水质评价方法研究
发布时间：2023-02-01 18:18:25
２０１９年第１期（总第１９３期）信息通信INFORMATION&COMMUNICATIONS２０１９（Ｓｕｍ．Ｎｏ１９３）基于机器学习的水质评价方法研究李伟，刘志芳，张毓福（六盘水师范学院数学与信息工程学院，贵州六盘水553004）摘要：随着社会工业化进程的加快，水污染问题日益突显，对水质做出科学的评价变得十分必要。提出一种将数字图像处理技术和机器学习相结合的方法，采用数字图像处理技术提取水样图像颜色矩特征，利用机器学习的支持向量机构建水质评价分类模型，并对SVM模型进行参数优化，实验证明该方法对水质评价的效果较好。关键词：水质评价；数字图像处理；机器学习；支持向量机；SVM模型中图分类号：TP391文献标识码：A文章编号：1673-1131（2019）01-0097-02ResearchonwaterqualityevaluationmethodbasedonmachinelearningLiwei,LIUZhifang,ZhangYufu(Schoolofmathematicsandinformationengineering,LiupanshuiNormalUniversity,Liupanshui,Guizhou553004,ChinaAbstract：Withtheaccelerationofsocialindustrialization,theproblemofwaterpollutionhasbecomeincreasinglyprominent.Itisnecessarytomakeascientificevaluationofwaterquality.Amethodcombiningdigitalimageprocessingtechnologywithmachinelearningisproposed.Thecolormomentfeatureofwatersampleimageisextractedbydigitalimageprocessingtech-nology.Theclassificationmodelofwaterqualityevaluationisbuiltbymachinelearningsupportvectormachine.TheparametersofSVMmodelareoptimized.Theexperimentprovesthatthemethodiseffectiveinwaterqualityevaluation.Keywords:waterqualityassessment;digitalimageprocessing;machinelearning;supportvectormachines;theSVMmodel随着社会城市化的发展和工业化进程的加快，水污染问题已经成为制约我国可持续发展的重要因素。对水质做出科学的评价，对防止和治理水污染是一项既重要又迫切的任务[1]。水质评价方法主要有综合指数法、基于熵权的水质评价法[2][3]和人工神经网络评价法等。这些方法在水质评价时各有优点，但是也有其应用层面的限制。有经验者可通过观察水的颜色来判断水质，但存在主观性的偏差使观察结果可重复性降低。随着数字图像处理技术[4]的发展，使水质在线自动评价成为可能。本文提出将数字图像处理技术和机器学习算法相结合的方法，首先利用数字图像处理技术来提取拍摄的水样图像特征，再利用机器学习算法构建水质评价分类模型，进而得出水质类别的评价结果。该方法相对于其它水质评价方法更加迅速，也更加便于应用。话单合并对于包含多组计费要素的话单处理过程中，需对指定计费要素字段值相同的组进行合并输出；IndexDataMap:利用索引来加速筛选查询的DataMap 