基于改进支持向量机的石煤提钒行业清洁生产评价研究

第３６卷第３期２０１６年３月环境科学学报ＡｃｔａＳｃｉｅｎｔｉａｅＣｉｒｃｕｍｓｔａｎｔｉａｅＶｏｌ．３６，Ｎｏ．３Ｍａｒ．，２０１６基金项目：环保公益性行业科研专项（Ｎｏ．２０１００９０１３）；中央高校基本科研业务费专项（Ｎｏ．ＣＺＱ１５０１６）ＳｕｐｐｏｒｔｅｄｂｙｔｈｅＳｐｅｃｉａｌＦｕｎｄｆｏｒＰｕｂｌｉｃＷｅｌｆａｒｅＩｎｄｕｓｔｒｙｏｆＮａｔｉｏｎａｌＥｎｖｉｒｏｎｍｅｎｔａｌＰｒｏｔｅｃｔｉｏｎ（Ｎｏ．２０１００９０１３）ａｎｄｔｈｅＳｃｉｅｎｔｉｆｉｃＳｐｅｃｉａｌＦｕｎｄｏｆＣｅｎｔｒａｌＨｉｇｈｅｒＥｄｕｃａｔｉｏｎＩｎｓｔｉｔｕｔｉｏｎｓ（Ｎｏ．ＣＺＱ１５０１６）作者简介：李佳（１９８２—），女，Ｅ⁃ｍａｉｌ：ｊｉａｊｉａｌｉ１９８２＠ａｌｉｙｕｎ．ｃｏｍ；∗通讯作者（责任作者），Ｅ⁃ｍａｉｌ：ｚｙｍ１２６１３５＠１２６．ｃｏｍＢｉｏｇｒａｐｈｙ：ＬＩＪｉａ（１９８２—），ｆｅｍａｌｅ，Ｅ⁃ｍａｉｌ：ｊｉａｊｉａｌｉ１９８２＠ａｌｉｙｕｎ．ｃｏｍ；∗Ｃｏｒｒｅｓｐｏｎｄｉｎｇａｕｔｈｏｒ，Ｅ⁃ｍａｉｌ：ｚｙｍ１２６１３５＠１２６．ｃｏｍＤＯＩ：１０．１３６７１／ｊ．ｈｊｋｘｘｂ．２０１５．０５５８李佳，张一敏，刘振宇，等．２０１６．基于改进支持向量机的石煤提钒行业清洁生产评价研究［Ｊ］．环境科学学报，３６（３）：１１１３⁃１１２０ＬｉＪ，ＺｈａｎｇＹＭ，ＬｉｕＺＹ，ｅｔａｌ．２０１６．Ａｓｓｅｓｓｍｅｎｔｆｏｒｃｌｅａｎｅｒｐｒｏｄｕｃｔｉｏｎｏｆｅｘｔｒａｃｔｉｎｇｖａｎａｄｉｕｍｆｒｏｍｓｔｏｎｅｃｏａｌｂａｓｅｄｏｎｔｈｅｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ［Ｊ］．ＡｃｔａＳｃｉｅｎｔｉａｅＣｉｒｃｕｍｓｔａｎｔｉａｅ，３６（３）：１１１３⁃１１２０基于改进支持向量机的石煤提钒行业清洁生产评价研究李佳１，张一敏２，∗，刘振宇１，包申旭２，刘涛２１．中南民族大学资源与环境学院，武汉４３００７４２．武汉理工大学资源与环境工程学院，武汉４３００７０收稿日期：２０１５⁃０５⁃１４修回日期：２０１５⁃０７⁃２５录用日期：２０１５⁃０７⁃２５摘要：采用遗传算法（ＧＡ）对支持向量机（ＳＶＭ）进行改进，并将其应用于石煤提钒行业清洁生产评价．在系统研究石煤提钒工艺类型的基础上，根据前期已建立的石煤提钒行业清洁生产评价指标体系，提出ＧＡ改进ＳＶＭ的应用思路，通过对３种工艺类型企业的现场数据采集，形成训练和测试样本，并利用ＧＡ算法确定出各类参数（惩罚参数Ｃ和核函数参数ｇ），分别为强酸浸工艺Ｃ＝２．１０４９，ｇ＝５．２１８４；弱酸浸工艺Ｃ＝０．００３５２８６，ｇ＝１．９９４７；水浸工艺Ｃ＝０．３９５８７，ｇ＝１．４１０５．ＧＡ⁃ＳＶＭ模型测试结果表明，分类精度达到１００％．通过与其他评价方法对比表明，训练好的ＧＡ⁃ＳＶＭ方法针对小样本数据在分类精度和可操作性上都较其他方法有明显优势，实现了对石煤提钒行业清洁生产水平的定量评价．关键词：石煤提钒；清洁生产；支持向量机；遗传算法；评价方法文章编号：０２５３⁃２４６８（２０１６）０３⁃１１１３⁃０８中图分类号：Ｘ３８文献标识码：ＡＡｓｓｅｓｓｍｅｎｔｆｏｒｃｌｅａｎｅｒｐｒｏｄｕｃｔｉｏｎｏｆｅｘｔｒａｃｔｉｎｇｖａｎａｄｉｕｍｆｒｏｍｓｔｏｎｅｃｏａｌｂａｓｅｄｏｎｔｈｅｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅＬＩＪｉａ１，ＺＨＡＮＧＹｉｍｉｎ２，∗，ＬＩＵＺｈｅｎｙｕ１，ＢＡＯＳｈｅｎｘｕ２，ＬＩＵＴａｏ２１．ＣｏｌｌｅｇｅｏｆＬｉｆｅＳｃｉｅｎｃｅｓ，Ｓｏｕｔｈ⁃ＣｅｎｔｒａｌＵｎｉｖｅｒｓｉｔｙｆｏｒＮａｔｉｏｎａｌｉｔｉｅｓ，Ｗｕｈａｎ４３００７４２．ＣｏｌｌｅｇｅｏｆＲｅｓｏｕｒｃｅａｎｄＥｎｖｉｒｏｎｍｅｎｔａｌＥｎｇｉｎｅｅｒｉｎｇ，ＷｕｈａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｗｕｈａｎ４３００７０Ｒｅｃｅｉｖｅｄ１４Ｍａｙ２０１５；ｒｅｃｅｉｖｅｄｉｎｒｅｖｉｓｅｄｆｏｒｍ２５Ｊｕｌｙ２０１５；ａｃｃｅｐｔｅｄ２５Ｊｕｌｙ２０１５Ａｂｓｔｒａｃｔ：ＷｅｉｍｐｒｏｖｅｄｔｈｅＳｕｐｐｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅ（ＳＶＭ）ｕｓｉｎｇＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍ（ＧＡ）ａｎｄａｐｐｌｉｅｄｉｔｔｏｔｈｅｃｌｅａｎｅｒｐｒｏｄｕｃｔｉｏｎ（ＣＰ）ａｓｓｅｓｓｍｅｎｔｉｎｔｈｅｉｎｄｕｓｔｒｙｏｆｖａｎａｄｉｕｍｅｘｔｒａｃｔｉｏｎｆｒｏｍｓｔｏｎｅｃｏａｌｉｎｔｈｉｓｐａｐｅｒ．ＴｈｅａｐｐｌｉｃａｔｉｏｎｏｆｉｍｐｒｏｖｉｎｇＳＶＭｂｙＧＡｗａｓｐｒｏｐｏｓｅｄｂａｓｅｄｏｎｔｈｅｃｕｒｒｅｎｔａｓｓｅｓｓｍｅｎｔｉｎｄｉｃａｔｏｒｆｒａｍｅｗｏｒｋｏｆＣＰｉｎｔｈｅｂｕｓｉｎｅｓｓａｎｄｔｈｅｓｙｓｔｅｍａｔｉｃｒｅｓｅａｒｃｈｏｎｔｈｅｐｒ