● 摘要
在国内，许多专家和学者应用遥感技术开展了监测长江、珠江、湘江、汉江、太湖、千岛湖、石羊河等水域的尝试。而对渭河水质采用SPOT数据进行定量遥感研究还未有人研究。以往由于影像分辨率的局限，只能在宏观上针对大范围区域实施监测，现在可以利用高分遥感辨影像从更细的尺度提取水质信息。基于此，本文通过对渭河陕西段历史水质监测数据的筛选和分析，利用SPOT-5卫星遥感数据，尝试采用一种新的机器学习方法—支持向量机(Support Vector Machine，以下简称SVM）来评价水质等级，反演水质参数及综合水质等级。而作为一种新的学习机器，SVM也存在一些有待完善的地方，其参数选取便是亟待完善的问题之一。惩罚系数、核函数以及核函数的参数等的选取在一定程度上对模型的精度存在很大影响。由于没有理论上的指导，通过反复试验人工选取参数的方法往往需要人的经验做指导，并且需要付出较高的时间代价。本文首先选择径向基函数为SVM的核函数，然后构建了基于浮点数编码的遗传算法(Genetic Algorithm，以下简称GA)来优选支持向量分类机(Support Vector Classification，以下简称SVC)和支持向量回归机(Support Vector Regression，以下简称SVR)的惩罚系数、核函数参数，较好地实现了模型参数的自适应选取，并将建立的SVC和SVR模型分别应用于渭河陕西段的水质评价和水质参数、综合水质等级的遥感反演。本论文从以下几个方面进行了研究和探讨：
（1）阐明了GA的编码机制，适应度函数设计，遗传操作（包括选择、交叉和变异）和算法步骤，论述了基于浮点数编码的GA来优选参数的支持向量分类机和支持向量回归机。
（2）将获得的渭河陕西段历史水质监测数据进行了筛选和分析，选择出具有代表性的四种水质参数：高锰酸盐指数、化学需氧量、氨氮和溶解氧。对购回的遥感数据进行预处理，然后结合历史水质监测数据，利用单因子相关分析以及主成分分析，依据其中最好的相关系数，基于传统统计回归方法建立了定量遥感水质参数反演和综合水质等级预测模型，并对模型做了检验。
（3）构建了基于浮点数编码GA优选参数的SVC模型，将该模型运用于渭河陕西段的综合水质评价，并与水质评价的单因子法、主成分分析法和BP人工神经网络方法进行了分析比较。实验结果表明，该方法可以较好地实现水质综合评价，能从整体上准确、客观地反映河流水质情况。
（4）构建了基于浮点数编码GA来优选参数的SVR模型，将该模型运用于渭河陕西段的遥感水质定量反演，通过与传统统计回归方法和BP人工神经网络方法比较分析，结果表明，该方法可以较好地实现渭河陕西段的遥感水质反演，预测其综合水质等级。此外，在同等条件下，多元回归模型普遍好于一元回归模型。