[发明专利]基于多维云模型-模糊支持向量机的生态风险评价方法

摘要

本发明公开一种基于多维云模型‑模糊支持向量机的生态风险评价方法，先应确定评价因子及评价标准，将多个评价因子视为支持向量机样本的多个属性，并根据评价标准将生态风险分为多个等级，再者根据分级指标确定云模型参数，将超熵视为服从正态分布的参数k和熵的乘积，通过正向多维正态云发生器产生各个等级的具有多个属性的训练样本并计算样本隶属于特定等级的确定度，生成训练样本集，其次进行模型的建立及参数优化，选定高斯函数作为核函数，并用一对一方法，产生多个二类分类器从而组合成多类分类器，利用K‑折交叉检验和网格法进行参数寻优，确定最优参数C及σ，应用云发生器产生的训练样本集训练样本，建立模型。最终应用模型对地区的实测数据进行分类，判定该地区的生态风险等级，实现多因子下的综合生态风险评价。

主权项

1.一种基于多维云模型‑模糊支持向量机的生态风险评价方法，其特征在于：

依次包括如下步骤：

(1)根据评价对象的特征及属性，参考国内外评价指标，选取相应的评价标准以及评价因子；根据标准中的分级指标将风险从低到高分为共Y个等级，依次为I,II,III……，其中I级表示风险最低；

(2)将Y个等级的评定视为n类分类问题，将选取的m个评价因子视为待评价样本的m维属性；

(3)选取某一评价因子X_i，根据选定的评价标准，确定各级别对应的评价因子范围[Cmin,Cmax]；将各分级指标阈值按情况最优到最劣排列，分别记为1,2,…j…Y；X_i为第j风险级别中任一评价因子，Cmin为第j‑1分级指标阈值，Cmax为第j分级指标阈值；若j＝0或j＝Y，视为单边界限即缺省一边边界；重复以上内容，直到评价因子范围均已确定；

(4)对于隶属于同一级别的m个评价因子，确定该级别云模型的3个数字特征，由正向多维正态云发生器或半云发生器生成该级别的训练样本及样本的确定度；

对具有双边约束[Cmin,Cmax]的指标，用式(1)来近似计算云模型的参数：

Ex＝(Cmin+Cmax)/2

En＝(Cmax‑Cmin)/6

He＝k·En        (1)

式中，k为参量，k服从N(0.39，0.0021)的正态分布；Ex为期望值，En为熵值；He为超熵；

对于单边界限的变量，根据数据的最大值或最小值确定其缺省边界参数，再参照式(1)计算云参数；

(5)重复步骤(2)和(3)，直至产生N个不同风险级别的m维训练样本，生成训练集；

(6)用多维云模型的确定度替代模模糊支持向量机的隶属度，选取径向基函数为核函数，对n类分类问题应用一对一方法，构建(n‑1)n/2个二类分类机并组成多类分类机；

(7)参数寻优，利用k‑折交叉验证和网格寻优确定最优参数C和σ；

(8)应用训练样本集训练模型；

(9)确定多维云模型‑模糊支持向量机模型；

(10)读取某地区监测点的实测数据，通过多维云模型‑模糊支持向量机模型判断风险级别，得到评价结果。