[发明专利]一种基于SVM模型的水质特征矿泉水分类方法

说明书

本发明公开了一种基于SVM模型的水质特征矿泉水分类方法，包括：在矿泉水水源地采集水样；测试每组水样的水质信息；利用多组水质信息建立Excel表，导入R语言；利用主成分分析方法将数据降维以得到降维数据；利用高斯混合模型将降维数据进行分类以得到分类数据；将分类数据进行标记，选择可有效区分的多组标记数据；将多组标记数据按照7：3的比例分为训练数据集和测试数据集；对训练数据集进行特征选择；建立支持向量机模型；将支持向量机模型用于测试数据集，评估支持向量机模型的正确率。根据本发明的基于SVM模型的水质特征矿泉水分类方法，提升了矿泉水分类的合理性和科学性。

技术领域

本发明涉及矿泉水分类技术领域，尤其是涉及一种基于SVM模型的水质特征矿泉水分类方法。

背景技术

矿泉水是一种宝贵的水资源，由于对人体有益，适合长期饮用，因而具有较大的资源保护价值与经济价值。矿泉水中的溶解物以无机质为主，其中常量元素包括K⁺、Na⁺、Ca²⁺、Mg²⁺、Cl^-、SO4^2-、HCO₃^-等，重要的微量元素有Se、Sr、Li、Zn等。这些成分一方面代表了水质的不同，另外一方面也代表了其形成条件与形成过程的不同，与其所在地下含水层地质条件有关。

近五年全球矿泉水的销量以年均6.4％的速度增加。我国政府颁布了国家标准《饮用天然矿泉水》(GB 8537-2018)，对矿泉水的水质做出了一些规定。从目前的研究与较普遍接受的观点来看，矿泉水大致可分为偏硅酸矿泉水、锶矿泉水、锌矿泉水、锂矿泉水、硒矿泉水、溴矿泉水、碘矿泉水、碳酸矿泉水等。上述分类方法仅考察了矿泉水的某一方面的特性，考察并不全面，分类不够合理。

矿泉水的资源分布是有其规律的。通过建立矿泉水的分类模型，有助于更加科学有效地管理矿泉水资源，指导公众合理鉴别及选择自己需要的矿泉水，同时对于矿泉水的进一步分析具有基础的指导作用。

发明内容

本发明提出了一种基于SVM模型的水质特征矿泉水分类方法，利用所述基于SVM模型的水质特征矿泉水分类方法可以提升矿泉水分类的合理性和科学性。

根据本发明实施例的基于SVM模型的水质特征矿泉水分类方法，包括：步骤S1：选取三个以上有一定距离的矿泉水水源地，在所述矿泉水水源地采集水样，所述水样的数量为至少60组，且每个水源地不少于20组；步骤S2：测试每组所述水样的水质信息，所述水质信息包括常量元素含量、微量元素含量、pH值、总可溶性固体、同位素的δ值和硬度；步骤S3：利用多组所述水质信息建立Excel表，并将所述Excel表转成CSV表，将所述CSV表导入R语言；步骤S4：利用主成分分析方法将数据降维以得到降维数据；步骤S5：利用高斯混合模型将所述降维数据进行分类以得到分类数据；步骤S6：将所述分类数据进行标记，选择可有效区分的多组标记数据；步骤S7：将多组所述标记数据导入R语言并按照7∶3的比例分为训练数据集和测试数据集；步骤S8：对所述训练数据集采用随机森林的方法进行特征选择，选取3-6个参数；步骤S9：将支持向量机模型框架应用于经过所述特征选择后的训练数据集进行训练，并建立支持向量机模型；步骤S10：将所述支持向量机模型用于所述测试数据集，评估所述支持向量机模型的正确率，并改进所述支持向量机模型。

根据本发明实施例的基于SVM模型的水质特征矿泉水分类方法，考虑到每个判别参量的重要性有所差别，使用主成分分析方法和高斯混合模型对数据进行特征选择，也就说可以在样本的角度选择更加具有代表性的数据，然后利用R语言并选取的数据按照7∶3的比例分为训练数据集和测试数据集，使用训练数据集建立支持向量机模型后，将支持向量机模型用于所述测试数据集，评估所述支持向量机模型的正确率，并改进支持向量机模型，从而可以提升支持向量机模型的准确性，进而提升矿泉水分类的合理性和科学性。