支持向量机在供水方案范文综合评价中的应用讨论摘要:针对开始不能确定目标权重或隶属度的多方案综合评价的问题时,提出了一种支持向量机的学习算法实现多方案的综合评价。本文在电厂以中水作为水源的情况下,引入支持向量机算法,通过建立目标、综合属性的优化模型,再对建立的多种供水方案进行综合评价。计算结果表明,三种方案的综合评判值分别为:0.24、0.55 和 0.61,方案三为首选的供水方案,与实际首选方案和层次分析法确定的方案一样。将支持向量机算法应用于供水方案的选取,得到的综合效果评价是可行的。关键词:中水支持向量机供水方案综合评价TheApplicationofupportvectormachineinwaterupplycheme随着经济的迅速进展,人口的增加及工业化和城市化步伐的加快,城市用水量和污水排放量急剧增加,这更加剧了水资源的短缺和水环境的恶化[1]。中水作为电厂供水水源的选择缓解了城市水资源紧张,同时城市中水用于电厂用水,从水质、水量、处理技术及经济效益方面来讲,都具备一定条件和优势。在此基础上为了更好的为电厂供应中水,需要建立多种供水方案,并解决哪一方案综合指标最优。目前常用的方法有层次分析法[2]、主成分分析法[3]、加权多数算法[4]、模糊综合评价法[5]、模糊神经网络方法[6]、功效评分法[7]及综合指数法[8],但这些方法需要事先确定目标的权重或隶属度,因此,难以给出明确的偏好信息作为方案的综合评价,这些算法表现的人为主关因素比较大。支持向量机(SupportVectorMachine,SVM)[9]是20世纪90年代初期Vapnik[10]根据统计学理论提出的一种新的通用的机器学习方法,具有优于前面几种方法的特点。近年来在模式识别、回归分析和特征提取等方面得到较多的应用,正成为继神经网络讨论之后新的讨论热点。本文将SVM技术应用于供水方案综合评价中,提出了一种先通过优化方案的综合属性值得到相应的目标属性值,再进行综合评价的算法,应用结果表明,该算法避开了猎取偏好信息的困难,具有较好的推广性和应用性。1.基于支持向量机的评价方法1.1 支持向量机的基本理论SVM实现的主要思想是通过某种事先选择的非线性映射(核函数)将输入向量映射到一个高维特征空间,在这个空间中构造最优分类超平面。使用SVM进行数据集分类的过程为[11]:首先,通过预先选定的一些非线性映射将输入空间映射到高维特征空间,使得在高维属性空间中有可能对训...