基于多种机器学习算法融合的污染物浓度反演方法

摘要

本发明公开了一种基于多种机器学习算法融合的污染物浓度反演方法，该方法融合了CNN、SVM、XGBoost三种机器学习算法，保留了各算法的优势，CNN可以提取具有代表性的特征，SVM算法具有非线性映射和小样本学习的优势，XGBoost算法加入正则化项，可避免过拟合，提高算法效率以及污染物浓度反演的精度。CNN部分作为模型结构的上层，通过卷积层和池化层提取并筛选出数据的主要特征，再经过全连接层展平后输入到模型结构的下层。SVM、XGBoost部分作为模型结构的下层，得到两部分算法的反演结果后，采用模糊逻辑算法进行权重分配，得到最终结果。