[发明专利]云模型人工蜂群优化的稀土矿区溪水pH值预测方法

说明书

本发明公开了一种云模型人工蜂群优化的稀土矿区溪水pH值预测方法，利用支持向量机(SVM)来预测稀土矿区溪水的pH值，将SVM的惩罚因子C、径向基核参数g和不敏感损失函数中参数ε编码成人工蜂群算法的个体，设计了基于云模型采样的观察蜂搜索算子，并设计了基于混沌精英反向学习的侦察蜂搜索算子来提高算法的搜索能力；与同类方法相比，本发明能够提高稀土矿区溪水pH值的预测精度。

技术领域

本发明涉及pH值预测领域，尤其是涉及一种云模型人工蜂群优化的稀土矿区溪水pH值预测方法。

背景技术

稀土在电子、石化、冶金、机械、国防、航空航天等领域中具有非常重要的作用，在全世界中每六项科技发明就有一项与稀土密切相关。在我国稀土资源中，离子型稀土是我国南方地区独有的稀土资源，它在全世界的高端科技中起着极为重要的作用。

目前，离子型稀土矿山开采主要是利用原地浸矿的方法。这种工艺在开采过程中，会把大量的硫铵和碳铵灌注到矿山山体内部，而这些酸性物质会慢慢地流入溪涧和河流，从而造成水源污染，以致许多离子型稀土矿区的村子普遍很难找到饮用水源。由此可见，水污染的治理是离子型稀土开采过程中极为紧迫的任务。在离子型稀土矿区水污染的治理过程中，人们常常需要掌握稀土矿区溪水pH值的变化过程。而稀土矿区溪水pH值的变化是一个极其复杂的物理、化学过程，传统的水质模型往往难以有效地刻画出稀土矿区溪水pH值的变化过程。

发明内容

本发明主要是解决现有技术所存在的技术问题；针对传统水质模型在描述稀土矿区溪水pH值的变化过程中精度不高的缺点，提出一种云模型人工蜂群优化的稀土矿区溪水pH值预测方法。本发明能够提高稀土矿区溪水pH值的预测精度。

本发明的技术方案：一种云模型人工蜂群优化的稀土矿区溪水pH值预测方法，包括以下步骤：

步骤1，连续NT天采集稀土矿区需要预测区域的溪水水样，每天检测采集水样的指标：氨氮、总氨、总氮、总磷、硫化物、水温、水流速度、pH值，并将采集到的溪水指标数据作为样本数据集；

步骤2，对采集到的稀土矿区溪水指标样本数据集进行归一化处理，并将前70％设置为支持向量机的训练数据集，后30％设置为测试数据集；

步骤3，用户初始化参数，所述初始化参数包括用户初始化预测跨度天数RN，种群大小Popsize，最大未更新次数Limit，最大评价次数MAX_FEs；

步骤4，当前演化代数t＝0，当前评价次数FEs＝0，并令支持向量机的待优化参数个数D＝3；

步骤5，随机产生初始种群其中：个体下标i＝1,2,...,Popsize，并且为种群P_t中的第i个个体，其随机初始化公式为：

其中下标j＝1,2,3；为种群P_t中的第i个个体，存储了支持向量机的3个待优化参数的值，即存储了支持向量机的惩罚因子C，存储了支持向量机的径向基核参数g，存储了支持向量机的不敏感损失函数中参数ε；rand(0,1)为在[0,1]之间服从均匀分布的随机实数产生函数，Lo_j和Up_j分别为支持向量机的第j个待优化参数的取值范围的下界和上界；

步骤6，计算种群P_t中每个个体的适应值其中个体下标i＝1,2,...,Popsize，个体的适应值的计算方法如下：

步骤6.1，令支持向量机的惩罚因子支持向量机的径向基核参数支持向量机的不敏感损失函数中参数