加西亚·尼托，P.J。;弗南德斯，J.R.阿隆索;苏亚雷斯，V.M.冈萨雷斯;穆尼兹，C.Díaz;加西亚·冈萨洛（García-Gonzalo），E。;梅奥湾 一种基于粒子群优化支持向量机的混合方法，用于从特拉索纳水库的实验蓝藻浓度预测蓝藻含量：西班牙北部的一个案例研究。 （英语） Zbl 1410.90263号 申请。数学。计算。 260, 170-187 (2015). 摘要：由于一些蓝藻产生被称为蓝毒素的毒素，因此越来越需要描述蓝藻水华，因此，预测其存在对预防风险至关重要。蓝藻水华在全球范围内频繁发生，对植物、鱼类和其他微生物等其他物种的影响是一个主要问题，但尤其是其中一些细菌在娱乐或饮用水中产生的蓝藻毒素可能对人类健康造成急性和慢性影响。因此，本研究的目的是利用支持向量机（SVM）结合粒子群优化（PSO）建立氰毒素诊断模型根据特拉索纳水库（西班牙北部的一个高性能皮划艇训练中心，用作休闲水库）中实验测定的蓝藻浓度确定的技术。特拉索纳水库位于阿维莱斯河口附近，经过一段短暂的游览，阿维利斯河口的咸水流入坎塔布里亚海。这种优化技术在SVM训练过程中涉及到核参数设置，这对回归精度有很大影响。考虑到这一点，通过使用基于PSO-SVM的混合模型，根据Trasona水库（西班牙北部）剩余的测量水质参数（输入变量），成功预测了氰毒素含量。换句话说，本研究的结果是双重的。首先，通过模型说明了各个生物和物理化学变量对水库中氰毒素含量的重要性。其次，获得了一个能够预测可能存在的氰毒素的预测模型。基于PSO-SVM的模型与实验数据的一致性证实了其良好的性能。最后，揭示了本创新研究工作的结论。 引用于2文件 MSC公司： 90 C59 数学规划中的近似方法和启发式 92D40型 生态学 关键词：支持向量机;粒子群优化（PSO）;有害藻华;氰毒素;蓝藻;回归分析 软件：基础知识;伦敦银行支持向量机 PDF格式BibTeX公司 XML格式引用 \textit{P.J.García Nieto}等人，应用。数学。计算。260170-187（2015年；Zbl 1410.90263） 全文： 内政部 参考文献： [1] Whitton，B.A。；Potts，M.，《蓝藻生态学：它们在时间和空间上的多样性》，（2000），纽约施普林格出版社 [2] Hillebrand，H。；杜塞伦，C.-D。；Kirschtel，D。；美国波林格。；Zohary，T.，中上层和底栖微藻的生物量计算，J.Phycol。，35, 403-424, (1999) [3] Quesada，A。；莫雷诺，E。；卡拉斯科，D。；帕尼亚瓜，T。；沃默，L。；de Hoyos，C。；Sukenik，A.，毒性卵圆孔性失语西班牙水库中的（蓝藻），Eur.J.Phycol。，41, 39-45, (2006) [4] Reynolds，C.S.，《浮游植物生态学》（2006），剑桥大学出版社，纽约 [5] 孢子，L。；Berg，K.A。；Rapala，J。；Lahti，K。；Lepistö，L。；梅特卡夫，J.S。；Codd，G.A。；Merilouto，J.，首次观察到柱状胚乳视蛋白高丽鱼腥藻与北方环境隔离（芬兰），环境。毒理学。，21, 552-560, (2006) [6] 福克·G·E。；W.D.P.斯图尔特。；费伊，P。；Walsby，A.E.，《蓝绿藻》（1973），伦敦学术出版社 [7] 史密斯，M.J。；肖·G·R。；Eaglesham，G.K。；Ho，L。；Brookes，J.D.，《阐明影响饮用水源中圆柱状视紫红质生物降解的因素》，《环境》。毒性。，23, 413-421, (2008) [8] 豪斯曼，J。；Matthijs，H.C.P。；Visser，P.M.，《有害蓝藻》（2010），纽约斯普林格出版社 [9] 世界卫生组织，《饮用水质量指南：健康标准和其他辅助信息》，第2卷，（1998年），世界卫生408组织，日内瓦 [10] Willame，R。；Jurckzak，T。；Iffly，J.F。；库尔，T。；梅里洛托，J。；霍夫曼，L.，比利时和卢森堡肝毒性蓝藻水华的分布，水生生物，551，99-117，（2005） [11] Vasconcelos，V.，《富营养化、有毒蓝细菌和蓝毒素：当生态系统呼救时》，Limnetica，25425-432，（2006） [12] 大卫·P。；更少，D.P。；Köykkä，K。；Halinen，K。；Jokela，J。；Lyra，C。；Sivonen，K.，微囊藻毒素产生持续存在和遗传多样性的培养依赖性证据阿纳巴埃纳（蓝藻）在芬兰湾，环境。微生物。，11, 855-866, (2009) [13] Peschek，G.A。；奥宾格，C。；Renger，G.，《蓝藻的生物能量过程：从进化单一性到生态多样性》，（2011年），纽约斯普林格出版社 [14] Dasí，M.J。；奇迹，M.R。；卡马乔，A。；Soria，J.M。；Vicente，E.，《硬水水库营养梯度上的夏季浮游植物组合》，《水生生物学》，369–370，27-43，（1998） [15] de Hoyos，C。；Negro，A。；Aldasoro，J.J.，西班牙水库热分层期间蓝藻的分布和丰度，Limnetica，23，119-132，（2004） [16] I.斯图尔特。；韦伯，P.M。；Schluter，P.J。；Shaw，G.R.，《休闲和职业场所接触淡水蓝藻——轶事和病例报告综述、流行病学研究和流行病学评估的挑战》，环境。健康，5，1-13，（2006） [17] Brönmark，C.公司。；Hansson，L.-A.，《湖泊和池塘生物学》（2005），牛津大学出版社，纽约 [18] 科尔特斯，C。；Vapnik，V.，支持向量网络，马赫。学习。，20, 273-297, (1995) ·Zbl 0831.68098号 [19] Vapnik，V.，《统计学习理论的本质》（1995），纽约斯普林格出版社·Zbl 0833.62008号 [20] Vapnik，V.，《统计学习理论》（1998），纽约威利国际科学出版社·Zbl 0935.62007号 [21] Hansen，T。；Wang，C.J.，基于支持向量的电池充电状态估计器，J.Power Sources，141，351-358，（2005） [22] 李，X。；罗德·D。；Zhang，Y。；Xie，Y.，使用支持向量机模型预测机动车碰撞，Accid。分析。上一页。，40, 1611-1618, (2008) [23] 阿尔瓦雷斯·安顿，J.C。；García Nieto，P.J。；Blanco Viejo，C。；维兰·维兰，J.A.，用于估计电池充电状态的支持向量机，IEEE Trans。电力电子。，28, 12, 5919-5926, (2013) [24] Kecman，V.，《支持向量机：简介》，（Wang，L.，《支撑向量机：理论与应用》，（2005），Springer-Verlag-Heidelberg），1-48·兹比尔1087.68098 [25] 肯尼迪，J。；Eberhart，R.，粒子群优化，（第四届IEEE神经网络国际会议论文集，IEEE服务中心，澳大利亚珀斯，第4卷，（1995）），1942-1948 [26] 埃伯哈特共和国。；Shi，Y。；Kennedy，J.，Swarm intelligence，（2001），Morgan Kaufmann旧金山 [27] Clerc，M.，《粒子群优化》（2006），英国伦敦Wiley-ISTE出版社·Zbl 1130.90059号 [28] Olsson，A.E.，《粒子群优化：理论、技术和应用》，（2011年），纽约新星科学出版社 [29] 多里戈，M。；Stützle，T.，蚁群优化，（2004），Bradford出版社，麻省理工学院出版社，美国马萨诸塞州剑桥·邮编1092.90066 [30] Panigrahi，B.K。；Shi，Y。；Lim，M.-H.，《群体智能手册：概念、原理和应用》，（2011年），柏林施普林格出版社·Zbl 1210.68005号 [31] 卡拉博加，D。；Basturk，B.，《数值函数优化的一种强大而有效的算法：人工蜂群（ABC）算法》，J.Global Optim。，39, 3, 171-459, (2007) ·Zbl 1149.90186号 [32] 卡拉博加，D。；Akay，B.，《一项调查：模拟蜂群智能的算法》，Artif。智力。版本，31，1，68-85，（2009） [33] 卡拉博加，D。；Gorkemli，B.，一种快速人工蜂群（qabc）算法及其在优化问题上的性能，应用。软计算。，23, 227-238, (2014) [34] 费斯特，I。；Yang，X.-S。；费斯特，I。；布雷斯特，J。；Fister，D.，《自然启发优化算法的简要回顾》，Elektrotecniski Vestnik，80，3，1-7，（2013），（英文版） [35] 费斯特，I。；斯特拉纳德，D。；Yang，X.-S。；Fister，I.，《自然启发算法中的适应性和杂交》，（Fister，I；Fister，I.，《计算智能中的适应性与杂交》，第18卷，（2015），Springer New York），3-50 [36] Simon，D.，进化优化算法，（2013），威利纽约·Zbl 1280.68008号 [37] Yang，X.-S。；崔，Z。；Xiao，R。；甘多米，A.H。；Karamanoglu，M.，《Swarm intelligence and bio-inspired computing:theory and applications》，（2013），爱思唯尔伦敦 [38] García Nieto，P.J。；马丁内斯·托雷斯，J。；Araüjo Fernández，M。；Ordóñez Galán，C.，支持向量机和神经网络，用于评估使用蓝桉，申请。数学。型号。，36, 6137-6145, (2012) ·Zbl 1349.90857号 [39] Chen，J.-L。；Li，G.-S。；Wu，S.-J.，评估支持向量机利用日照时间估计每日太阳辐射的潜力，Energy Convers。管理。，75, 311-318, (2013) [40] 曾杰。；乔，W.，使用支持向量机进行短期太阳能发电量预测，更新。能源，52，118-127，（2013） [41] García Nieto，P.J。；Combarro，E.F。；del Coz Díaz，J.J。；Montañes，E.，基于SVM的回归模型，用于研究奥维多市区（西班牙北部）局部尺度的空气质量：案例研究，Appl。数学。计算。，219, 17, 8923-8937, (2013) [42] García Nieto，P.J。；阿隆索·费尔南德斯（J.R.Alonso Fernández）。；de Cos Juez，F.J。；Sánchez Lasheras，F。；Díaz Muñiz，C.，基于支持向量回归和遗传算法的混合建模，用于预测特拉索纳水库（西班牙北部）中的氰毒素，环境。决议，122，1-10，（2013） [43] 维兰·维兰，J.A。；阿隆索·费尔南德斯，J.R。；García Nieto，P.J。；Sánchez Lasheras，F。；de Cos Juez，F.J。；Díaz Muñiz，C.，支持向量机和多层感知器网络，用于评估Water Resour特拉索纳水库（西班牙北部）实验蓝藻浓度中存在的蓝藻毒素。管理。，27, 9, 3457-3476, (2013) [44] 奎萨达，A。；Sanchis，D。；Carrasco，D.，《西班牙水库中的蓝藻》。它们多久中毒一次？，Limnetica，23，109-118，（2004） [45] 尼格罗，A.I。；de Hoyos，C。；Vega，J.C.，桑纳布里亚湖和瓦尔帕莱索水库中的浮游植物结构和动力学（西班牙西北部），水生生物，424，25-37，（2000） [46] Gault，P.M。；Marler，H.J.，《蓝藻手册：生物化学、生物技术和应用》，（2009年），纽约新星科学出版社 [47] 佩雷斯-马丁内斯，C。；Sánchez-Castillo，P红陶粒西班牙水库，《水文生物学》，452101-107，（2004） [48] 阿尔瓦雷斯·科贝拉斯，M。；Arauzo，M.，《富营养化水库中浮游植物对不同时间尺度的响应》，Arch。水生生物。埃尔格布。柠檬醇。，40, 69-80, (2006) [49] 合唱I。；Bartram，J.，《水中有毒蓝藻：其公共卫生后果、监测和管理指南》，（1999年），纽约海绵出版社 [50] Scheffer，M.，《浅水湖泊生态学》（2005），纽约斯普林格出版社 [51] van der Valk，A.G.，淡水湿地生物学，（2006），牛津大学出版社，纽约 [52] 北卡罗来纳州克里斯蒂亚尼尼。；Shawe-Taylor，J.，《支持向量机和其他基于核的学习方法简介》，（2000），剑桥大学出版社，纽约 [53] Furey，T.S。；北卡罗来纳州克里斯蒂亚尼尼。；达菲，N。；Bednarski，D.W。；舒默，M。；Haussler，D.，使用微阵列表达数据对癌症组织样本进行支持向量机分类和验证，生物信息学，16906-914，（2000） [54] 郭，G。；李S.Z。；Chan，K.L.，人脸识别的支持向量机，图像视觉计算。，19, 631-638, (2001) [55] Taboada，J。；马蒂亚斯，J.M。；Ordóñez，C。；García Nieto，P.J.，使用支持向量机创建板岩矿床的质量图，J.Compute。申请。数学。，204, 1, 84-94, (2007) ·Zbl 1116.86009号 [56] Fletcher，T.，支持向量机解释：入门课程。，10-15，（2009年），英国伦敦大学学院，技术内部报告 [57] 苏亚雷斯·Sánchez，A。；García Nieto，P.J。；Riesgo Fernández，P。；德尔·科斯·迪亚斯，J.J。；Iglesias-Rodríguez，F.J.，基于SVM的回归模型在鸟类市区局部尺度空气质量研究中的应用（西班牙），数学。计算。型号。，54, 1453-1466, (2011) [58] 萨法维，H.R。；Esmikhani，M.，《地表水和地下水的联合利用：支持向量机（SVM）和遗传算法的应用》，《水资源》。管理。，27, 7, 2623-2644, (2013) [59] 斯坦瓦特，I。；Christmann，A.，支持向量机，（2008），纽约施普林格出版社·Zbl 1203.68171号 [60] de Cos Juez，F.J。；García Nieto，P.J。；马丁内斯·托雷斯，J。；Taboada Castro，J.，通过支持向量机模型分析航空航天工业中金属部件的交付周期，数学。计算。型号。，52, 1177-1184, (2010) [61] 马蒂亚斯，J.M。；Taboada，J。；Ordóñez，C。；García Nieto，P.J.，《用于确定危险物质运输道路适用性的机器学习技术》，J.Hazard。材料。，147, 60-66, (2007) [62] Schölkopf，B。；Smola，A.J.，《使用内核学习：支持向量机、正则化、优化和超越》，（2002年），麻省理工学院出版社，美国马萨诸塞州剑桥 [63] 肖-泰勒，J。；Cristianini，N.，模式分析的内核方法，（2004），剑桥大学出版社，纽约 [64] 费斯特，I。；Perc，M。；柳比克，K。；Kamal，S.M。；Iglesias，A。；Fister，I.，用于自动创建复杂图形字符的粒子群优化，混沌孤子分形。，73, 29-35, (2013) [65] Wasserman，L.，《所有统计学：统计推断简明教程》，（2003），纽约施普林格出版社 [66] 弗里德曼，D。；Pisani，R。；Purves，R.，《统计》（2007），纽约W.W.Norton&Company·Zbl 1353.62003年 [67] 奥尔曼，E.S。；罗德斯，J.A.，《生物学中的数学模型：导论》，（2003），剑桥大学出版社，纽约 [68] 巴恩斯·D·J。；Chu，D.，《生物科学建模导论》（2010），美国纽约州斯普林格 [69] 皮卡德，R。；库克，D.，回归模型的交叉验证，美国统计协会，79，387，575-583，（1984）·Zbl 0547.62047号 [70] Chang，C.-C。；Lin，C.-J.，LIBSVM：支持向量机库，ACM T.Int.Syst。技术。，2, 1-27, (2011) 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。