Skip to main content
main-content

Tipp

Weitere Artikel dieser Ausgabe durch Wischen aufrufen

01.09.2014 | Ausgabe 12/2014

Water Resources Management 12/2014

A Comparative Assessment of Support Vector Machines, Probabilistic Neural Networks, and K-Nearest Neighbor Algorithms for Water Quality Classification

Zeitschrift:
Water Resources Management > Ausgabe 12/2014
Autoren:
Fereshteh Modaresi, Shahab Araghinejad

Abstract

Water quality is one of the major criteria for determining the planning and operation policies of water resources systems. In order to classify the quality of a water resource such as an aquifer, it is necessary that the quality of a large number of water samples be determined, which might be a very time consuming process. The goal of this paper is to classify the water quality using classification algorithms in order to reduce the computational time. The question is whether and to what extent the results of the classification algorithms are different. Another question is what method provides the most accurate results. In this regard, this paper investigates and compares the performance of three supervised methods of classification including support vector machine (SVM), probabilistic neural network (PNN), and k-nearest neighbor (KNN) for water quality classification. Using two performance evaluation statistics including error rate and error value, the efficiency of the algorithms is investigated. Furthermore, a 5-fold cross validation is performed to assess the effect of data value on the performance of the applied algorithms. Results demonstrate that the SVM algorithm presents the best performance with no errors in calibration and validation phases. The KNN algorithm, having the most total number and total value of errors, is the weakest one for classification of water quality data.

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Sie möchten Zugang zu diesem Inhalt erhalten? Dann informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 50.000 Bücher
  • über 380 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Maschinenbau + Werkstoffe​​​​​​​




Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 69.000 Bücher
  • über 500 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe

Testen Sie jetzt 30 Tage kostenlos.

Literatur
Über diesen Artikel

Weitere Artikel der Ausgabe 12/2014

Water Resources Management 12/2014 Zur Ausgabe