[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

说明书

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。

技术领域

本发明属于生态风险评价技术，具体涉及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。

背景技术

经济的迅速增长使越来越多的人工合成化合物进入到生态系统中，可持续发展的要求也急需一个有效的方法体系对环境中化合物的风险进行评估。生态风险评价的概念从诞生自今不过短短20年，相关技术方法还不成熟，应用和实践都存在一定的问题，因此，改进生态风险评价方法，引进新方法加入评价体系，有着迫切的现实需求。

由于评价系统的非线性特征，特别是在多指标决策问题上，大部分评价模型并没有很好地解决评价因子与评价等级之间的非线性关系，评价过程中须要对权重进行人为设计，不仅对结果的可靠性有所影响，而且降低了模型的普适性。

支持向量机(Support Vector Machine,SVM)引入了松弛变量借此容忍噪声和离群点，顾全了更多的样本而不只是接近边界的训练样本，并用惩罚因子C刻画对正确分类以及泛化能力之间的取舍，使得分类的结果更加稳健。模糊支持向量机(Fussy supportvector machine,FSVM)引入了隶属度函数s_i，以s_i事先对样本归属于某一类别的重要程度进行刻画，利用Cs_i以实现对不同样本赋予不同惩罚因子从而实现了对不同样本区别考虑最小约束条件的破坏程度和最大化间隔的权衡。

s_i从模糊集理论而来，而在风险评价过程中不仅存在模糊性，随机性作为客观世界的普遍特征同样存在于风险评价中。云模型作为一个不确定性转换模型，考虑了客观世界中广泛存在的随机性和模糊性。

目前还未有多维云模型与模糊支持向量机相结合应用于生态风险评价的方法，且云模型的参数超熵仍未有较为合适的确定方法，一般认为超熵用以表征熵的不确定性，是对同一概念的共性认识程度的度量。从定性的认识到量化的度量过程中，用现有的方法难以刻画。

发明内容

发明目的：本发明的目的在于解决现有技术中存在的不足，提供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。

技术方案：本发明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，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,阈值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；重复步骤(3)，评价因子范围均已确定；