基于支持向量机分类的嘉陵江草街水库甲藻水华预警

．，．kSci．(湖泊科学)，2015，27(1)：3843http：／／www．jlakes．org．E—mail：jlakes@niglas．ae．en◎2015byJournalofLakeSciences基于支持向量机分类的嘉陵江草街水库甲藻水华预警刘朔孺，杨敏，张方辉，张晟H(1：重庆市环境科学研究院，重庆401147)(2：重庆大学城市建设与环境工程学院，重庆400045)摘要：嘉陵江草街水库自建成后2011—2013年连续3年发生甲藻水华现象，给当地经济发展和生态安全带来影响．根据2011年5月至2013年7月草街水库大坝上、下游8个断面的逐月调查数据，利用支持向量机在处理小样本问题、非线性分类问题和泛化推广方面的优势，构建了基于支持向量机分类的草街水库甲藻水华预警模型．结果表明，利用本月理化数据和本月倪氏拟多甲藻(Peridiniopsisniei)密度数据建立的模型，对测试样本取得了80％以上的判别正确率，且对甲藻水华样本的判别正确率为100％．因此，支持向量机作为新兴的机器学习方法，可以为环境管理部门发布水华预警信息提供科学依据，并在环境保护领域具有广阔的应用前景．关键词：支持向量机；甲藻水华；草街水库；倪氏拟多甲藻ResearchonearlywarningofdinoflagellatebloominCaojieReservoirbaseonsupportvectormachineclassificationLIUShuoru，YANGMin，ZHANGFanghui。&ZHANGSheng(1：ChongqingAcademyofEnvironmentalScience，Chongqing401147，P．R．China)(2：FacultyofUrbanConstructionandEnvironmentalEngineering，ChongqingUniversity，Chongqing400045，P．R．China)Abstract：DinoflagellatebloomconsecutivelyoccurredinCaojieReservoirfrom2011to2013andthreatenedtheloealeconomyandecology．Recently，suppoavectormachine(SVM)wasreposedtohaveadvantagesofonlyrequiringasmallamountofsamples，hishdegreeofpredictionaccuracy，andgeneralizationtosolvethenonlinearclassifcationproblems．Inthisstudy．theSVM-basedpredictionmodelfordinoflagellateblomwasestablishedbymonthlyfielddatecollectedfromMay2011toJuly2013at8transectsinCaojieReservoir．Themaximumaccuracyexcessed80％bychoosingenvironmentalvariablesdataandPeridiniopsisnieiabun—danceofcurrentmonth．andaccuracyarrivedat100％fordinoflagellatebloomsamples．TheresultsshowedthattlleSVMclassifi．cationisaneffectivenewwaythatcanbeusedinmonitoringdinoflagellatebloominCaojieReservoirandhaveapromisingapplica-tionprospectforenvironmentalprotection．Keywords：Supportvectormachine；dinoflagellatebloom；CaojieReservoir；Peridiniopsisniei近年来，随着我国经济的高速增长，环境生态问题日益突出．而湖泊水库作为居民饮用水重要的水源地，其富营养化已成为影响我国居民生活质量的一个普遍性问题．目前，我国有66％的湖泊、水库处于富营养化水平⋯，并且近年来全国不同地区水华的频发更是令人担忧，太湖、巢湖、滇池的蓝藻水华，三峡水库上游各支流甲藻水华均对当地人民用水安全造成严重影响，因此采取有效措施防治水华已成为当地环境管理部门的当务之急．目前国内外对于淡水水华监测预警研究多集中在蓝藻方面，提出了蓝藻水华形成的“四阶段理论”，并利用卫星遥感和数学模型成功对蓝藻水华的运动趋势和发生时间进行预测预