关键词：粒子群优化算法 支持向量机 水体水质 影响因子 

摘要：以影响太湖入湖河流水质的24个因子值为研究对象,将粒子群优化算法（PSO）与支持向量机算法（SVM）相结合。PSO算法用于优化SVM算法的参数c和g,有利于快速、高效地确定c和g的全局最优值;SVM算法基于最优的c和g,分别以24,21,18,15,12,9和6个因子作为特征向量预测水质的污染程度。结果表明,当特征向量为9个影响因子时预测率最高。其参数c=18.56,g=1.35,对应的预测率为：全局预测率92.59%,重度污染水质预测率88.89%,轻度污染水质预测率94.45%。因此,通过PSO和SVM混合算法,可以确定影响太湖入湖河流水质的主要因子,利用这些主要因子对水质进行预测预警,不但可以节省时间,而且可以得到精确的结果。

环境监控与预警杂志要求:

{1}直接引文之注释不加引领字“参见”，间接引文之注释应加引领词“参见”；如显示其他支持性文献，用“另参见”为引领词。对立性文献，则加说明性字句，诸如“不同的见解，请参见”之类。

{2}来稿应是未公开发表过的文章，并请注明是否专投本刊。

{3}对拟录用的稿件，本刊将发给作者用稿通知书；对不予录用的稿件，不再另行通知。稿件自发出之日（以作者收到收稿通知为准）起，三个月内未收到用稿通知书者，可自行处理，并通知编辑部，三个月内请勿一稿多投。

{4}论文题目：黑体4号字加粗，居中。长度在20字以内，如有副标题应在15字以内。

{5}姓名在标题下按序排列，多作者署名时须征得其他作者同意，排好先后次序，收到录稿通知后不再改动。文后注明第一作者作者简介、邮寄地址、邮编、联系人电话等信息。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社