基于支持向量机的区域水安全预警模型及应用

doi:10.3969/j.issn.1000-3428.2006.15.016

计算机工程 ›› 2006, Vol. 32 ›› Issue (15): 44-45,6. doi: 10.3969/j.issn.1000-3428.2006.15.016

基于支持向量机的区域水安全预警模型及应用

卢敏1,2;张展羽1;冯宝平1;贾仁辅3

1. 河海大学现代农业工程系，南京 210098；2. 云南农业大学水电与建筑学院，昆明 650201；3. 扬州大学水利科学与工程学院，扬州 225009

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2006-08-05 发布日期:2006-08-05

Early-warning Model and Its Application of Regional Water Security Based on Support Vector Machine

LU Min1,2;ZHANG Zhanyu1;FENG Baoping1;JIA Renfu3

1. Department of Modern Agriculture Engineering, Hohai Univ., Nanjing 210098; 2. School of Water Resources, Hydraulics, and Architecture, Yunnan Agriculture Univ., Kunming 650201; 3. Water Conservancy & Hydraulic Engineering, Yangzhou Univ.,Yangzhou 225009

Received:1900-01-01 Revised:1900-01-01 Online:2006-08-05 Published:2006-08-05

摘要/Abstract

摘要： 基于支持向量机算法建立了区域水安全预警评价模型，根据水安全评价标准及其所属的评价等级值，随机内插生成序列来建立评价分类的样本集，并以松江区为例进行研究。研究结果表明基于SVM方法建立的模型简单，评价结果合理可行，可用于区域水安全预警评价。

关键词: 水安全, 预警, 支持向量机, 评价

Abstract: A model of the precaution assessment on regional water security based on support-vector-machine is set up. According assessment standards sequences and grade values, a sample muster is formed by stochastic linear interpolation method. The model is applied to water security assessment of Songjiang in China. The result shows that the presented model is practical and convenient to use. It is feasible to use the model to assessment and early-warning of regional water security.

Key words: Water security, Early-warning, Support vector machine, Assessment

中图分类号:

TP18

卢敏;;张展羽;冯宝平;贾仁辅. 基于支持向量机的区域水安全预警模型及应用[J]. 计算机工程, 2006, 32(15): 44-45,6.

LU Min;;ZHANG Zhanyu;FENG Baoping;JIA Renfu.

Early-warning Model and Its Application of Regional Water Security Based on Support Vector Machine

[J]. Computer Engineering, 2006, 32(15): 44-45,6.

http://www.ecice06.com/CN/Y2006/V32/I15/44

[1]	徐正梅, 刘华明, 毕学慧, 王亚. 基于特征优化的无参考光场图像质量评价[J]. 计算机工程, 2023, 49(7): 242-250.
[2]	惠子薇, 何坤, 冯犇, 苏曜. 基于视觉特性的图像质量评价[J]. 计算机工程, 2023, 49(7): 189-195.
[3]	杨萍, 吴振宇, 龙刚, 杨华晖, 杨竣铎, 刘鹏辉, 牛颖蓓. 基于任务剖面的指挥信息系统测试充分性研究[J]. 计算机工程, 2023, 49(7): 295-304.
[4]	朱钦权, 王同罕, 贾惠珍. 基于雾密度感知增强的去雾图像质量评价方法[J]. 计算机工程, 2023, 49(6): 208-216,226.
[5]	张垿豪, 冯文龙, 黄梦醒, 刘伟. 基于区块链的科技服务质量信任评价方案[J]. 计算机工程, 2022, 48(5): 127-135,144.
[6]	王志江, 秦品乐, 柴锐, 武峰, 程一彤, 史玥. 基于深度学习的牙齿嵌塞自动判别方法[J]. 计算机工程, 2022, 48(4): 307-313.
[7]	付鹏斌, 刘鹏辉, 杨惠荣, 董澳静. 基于多重规则和路径评价的在线中英文手写识别方法[J]. 计算机工程, 2022, 48(3): 253-262.
[8]	王宽, 杨环, 潘振宽, 司建伟. 基于单目和双目视觉信息的全参考立体图像质量评价模型[J]. 计算机工程, 2022, 48(2): 207-214,223.
[9]	崔伟琪, 严馨, 滕磊, 陈玮, 徐广义. 一种通过评价类别分类提升评价对象抽取性能的方法[J]. 计算机工程, 2022, 48(11): 96-103,136.
[10]	张江永, 徐智勇, 张建林, 许涛. 基于敏感度的YOLO网络集成剪枝算法[J]. 计算机工程, 2021, 47(9): 59-68.
[11]	黄煜梵, 彭诺蘅, 林艳, 范建存, 张一晋, 余妍秋. 基于SAC强化学习的车联网频谱资源动态分配[J]. 计算机工程, 2021, 47(9): 34-43.
[12]	刘海, 杨环, 潘振宽, 黄宝香, 侯国家. 基于生成感知差异的无参考图像质量评价模型[J]. 计算机工程, 2021, 47(5): 205-212.
[13]	王海, 翁晨傲, 李克, 骆曦. 一种面向基站扇区方向角估计的改进SVM算法[J]. 计算机工程, 2021, 47(4): 120-126.
[14]	张冰玉, 潘晴, 田妮莉, Everett Xiaolin Wang. 一种基于多重特征融合的信源个数估计方法[J]. 计算机工程, 2021, 47(4): 115-119,126.
[15]	戴炳荣, 姜胜明, 李顿伟, 李超. 基于改进PageRank算法的跨链公证人机制评价模型[J]. 计算机工程, 2021, 47(2): 26-31.

选择文件类型/文献管理软件名称

选择包含的内容

基于支持向量机的区域水安全预警模型及应用

Early-warning Model and Its Application of Regional Water Security Based on Support Vector Machine

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

基于支持向量机的区域水安全预警模型及应用

Early-warning Model and Its Application of Regional Water Security Based on Support Vector Machine

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价