三維熒光光譜結合IGOA-SVM分類鑒別油類污染物

程朋飛, 朱燕萍, 潘金燕, 崔傳金, 張 怡

1. 徐州工程學院電氣與控制工程學院, 江蘇 徐州 221018

2. 華北理工大學電氣工程學院, 河北 唐山 063210

引 言

石油是一種由多種含烴分子組成的難以降解的復雜有機污染物, 溢油污染會以多種形式對人類生產生活、 生態環境和生物多樣性帶來難以挽回的危害[1-2]。 特別是其中所含的多環芳烴, 會嚴重損害呼吸系統、 神經系統和腎臟等, 甚至會有很強的致癌性[3]。 提高溢油檢測的精確度和可靠性對選擇清理策略以及評估潛在的環境和生態影響具有重要意義。 三維熒光光譜分析以其靈敏度高、 分析速度快、 選擇性好和可實時檢測等優勢在溢油檢測領域迅速占領一席之地[4]。

支持向量機(SVM)是在風險最小化和統計學VC維理論基礎上形成的一種具有自主學習能力的監督型機器學習算法, 通過超平面的選擇和高低維轉換思想巧妙地簡化了計算[5], 在非線性、 高維及小樣本問題分析中具有一定的優勢。 目前, 基于群智能優化算法改進的SVM廣泛應用于樣本的分類識別領域中。 王書濤等[6]實現了三維熒光光譜結合遺傳算法優化支持向量機(GA-SVM)對三種不同組合多環芳烴的分類鑒別。 Huang等[7]分別將三種優化的SVM方法, 包括粒子群優化算法(PSO)、 遺傳算法(GA)、 和網絡搜索算法(GS)應用于鐵路危險貨物運輸系統(RDGTS)的風險識別中。 Zhou等[8]將優化的支持向量機(BSO-SVM)算法應用于局放超聲信號的模式識別中。 結果表明, 相對于GA-SVM和PSO-SVM算法, BSO-SVM算法具有較高的識別精度和較快的收斂速度?！?br>