摘要
将人工智能算法应用于水资源承载能力评价中,从水量要素角度分析,建立支持向量机(Support Vector Machine,SVM)水资源承载能力评价模型,并采用粒子群算法(Particle Swarm Optimization,PSO)对相关参数进行寻优,通过PSO-SVM水资源承载能力评价模型对长春市水资源承载能力进行等级分类,针对分类结果提出有效的措施,为长春市可持续发展提供决策信息。
引文
[1]迟宝明,卢文喜,肖长来,等.水资源概论[M].长春:吉林大学出版社,2006.
[2]华士乾.水资源系统分析指南[M].北京:水利水电出版社,1988.
[3]刘艳玲.区域水环境承载力的可持续发展研究——以长春市为例[D].东北师范大学,2002.
[4]秦莉云,金忠青.淮河流域水资源承载能力的评价分析[J].水文,2001(03).
[5]刘建平.天水市水资源可持续利用对策探讨[J].水利规划与设计,2011(02).
[6]计鸿博.水资源可持续发展的制约因素及解决措施[J].水利技术监督,2016(01).
[7]苏伟,刘景双.长春市水资源承载能力变动及可持续利用对策[J].干旱区研究,2007(04).
[8]张朋飞.长春市水资源承载力研究[D].吉林大学,2006.
[9]水利电力部水文局.中国水资源评价[M].北京:水利电力出版社,1987.
[10]梁锦锦.支持向量机算法及在大规模样本集的应用[M].北京:中国石化出版社,2017.
[11]杨晓伟.支持向量机的算法设计与分析[M].北京:科学出版社,2013.