排序方式: 共有1条查询结果,搜索用时 0 毫秒
1
1.
化学需氧量(COD)和叶绿素a(Chl-a)浓度作为与光谱相关的典型水质参数,是反映水体污染程度和富营养化程度的重要指标。支持向量回归模型(Support Vector Regression,SVR)适用于小样本,广泛用于近海典型水质参数的遥感反演,但也存在模型参数选择困难、容易陷入局部最优解的问题。针对这一问题,本文构建融合反向学习和模拟退火的改进麻雀算法(Improved Sparrow Search Algorithm,ISSA),通过改进麻雀算法对SVR模型的惩罚系数和核函数参数进行参数寻优,提出了一种改进的支持向量回归模型(ISSA-SVR)。通过该模型利用实测水面光谱与水质参数数据建立COD和Chl-a浓度反演模型。利用Sentinel-2卫星遥感光谱数据对模型的精度进行验证,得到各水质参数浓度的反演精度。采用ISSA算法优化SVR建立的COD浓度预测模型和Chl-a浓度预测模型的平均相对误差(MRE)分别为20.02%和30.17%。反演结果均优于其他模型(线性回归、SVR和SSA-SVR模型)。实验结果证实,ISSA-SVR算法是实现COD浓度和Chl-a浓度遥感反演的有效方法,可为我国近海典型水质参数遥感反演及后续水体科学管理提供参考。 相似文献
1