您的位置: 专家智库 > >

刘帮

作品数:2 被引量:11H指数:2
供职机构:湖南工业大学电气与信息工程学院更多>>
发文基金:湖南省自然科学基金国家自然科学基金湖南省科技计划项目更多>>
相关领域:环境科学与工程更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 2篇环境科学与工...

主题

  • 2篇需氧量
  • 2篇氧量
  • 2篇支持向量
  • 2篇生化需氧量
  • 2篇污水
  • 2篇向量
  • 2篇LIBSVM
  • 1篇支持向量回归
  • 1篇支持向量回归...
  • 1篇支持向量机
  • 1篇软测量
  • 1篇群算法
  • 1篇子群
  • 1篇向量机
  • 1篇粒子群
  • 1篇粒子群算法
  • 1篇PSO
  • 1篇出水
  • 1篇出水水质

机构

  • 2篇湖南工业大学

作者

  • 2篇秦斌
  • 2篇刘帮
  • 1篇彭小玉
  • 1篇王欣

传媒

  • 1篇湖南工业大学...
  • 1篇新型工业化

年份

  • 2篇2015
2 条 记 录,以下是 1-2
排序方式:
PSO-LIBSVM在污水水质建模中的应用被引量:3
2015年
针对间歇式活性污泥法(SBR)复杂非线性等问题,常规神经网络建立的出水水质模型性能精度不高。采用支持向量机建立生化需氧量(BOD)软测量模型,并通过粒子群算法弥补支持向量机模型参数的不足。仿真结果表明,相对于BP神经网络、标准SVM模型,PSO-LIBSVM模型的误差小、精度高,降低了模型的复杂度并提高了其泛化能力。
刘帮秦斌王欣朱万力
关键词:LIBSVM生化需氧量支持向量机粒子群算法
污水出水水质的SVR建模被引量:8
2015年
针对污水处理过程中关键水质参数如生化需氧量(BOD)在线测量难的问题,利用Libsvm工具箱建立BOD的支持向量回归机(SVR)的软测量模型,并与文献[2]中所用神经网络的方法进行了比较,仿真结果表明:相对于神经网络算法结构性不足,SVR预测模型泛化性更好,预测精度更高,表现出更好的泛化性和预测精度。
刘帮秦斌彭小玉
关键词:支持向量回归机生化需氧量LIBSVM软测量
共1页<1>
聚类工具0