排序方式: 共有7条查询结果,搜索用时 0 毫秒
1
1.
2.
3.
4.
采用粗糙集理论(RS)约简属性,在保留重要信息的前提下消除冗余信息,简化了模型结构。而支持向量机(SVM)是一种基于统计学习理论的新型学习机,本文根据TN(总氮)难于在线测量的情况,采用RS-SVM方法,用某城市污水处理厂的实际水质参数数据,建立了出水TN基于粗糙集-支持向量机的软测量模型。和未经粗糙集预处理的支持向量机模型及粗糙集-BP神经网络(RS-BPNN)模型进行了比较,选择RS-SVM模型作为最终的软测量模型。结果表明,有粗糙集预处理后,不仅测量值的误差值更小,而且大大降低了输人数据的维数,减小了模型的规模,更有利于软测量模型的实用化。同时也表明支持向量机作为建立软测量模型的工具,具有良好的性能,比神经网络更加具有优势。 相似文献
5.
6.
根据曝气池SVI(污泥体积指数)难于在线测量的情况,笔者以进水DO值替代曝气池DO值作为辅助变量,分别以BP神经网络和支持向量机建模。实验结果表明,2个模型预测效果都优于前人所建立的模型。综合比较之后,选择支持向量机模型作为最终的SVI软测量模型。 相似文献
7.
1