基于SVM土壤重金属污染评价的训练数据集构建

作者：鄢文苗; 任东; 黄应平; 熊彪; 董方敏^*

来源：武汉大学学报(理学版), 2019, 65(03): 316-322.

DOI：10.14188/j.1671-8836.2019.03.013

• 支持向量机
• 数据集构建
• 分类
• 土壤重金属

支持向量机(support vector machine,SVM)用于土壤重金属污染评价时,其训练数据集的构建对模型准确性影响重大。本文对依据土壤环境质量国家标准生成数据集的方法(国标法)进行改进,提出实际测量数据集生成方法(实测法),并在实测法样本中添加国标法样本扩大训练数据集,进一步提高模型分类准确率。结果表明:对同一组实测样本进行分类,国标法模型准确率(53. 33%)低于实测法模型准确率(75. 56%);扩大后的数据集训练所得模型与实测法模型相比,分类60个实测样本时,准确率由88. 33%提高至98. 33%,分类45个实测样本时,准确率由75. 56%提高至82. 22%。