公共文化服务平台

共 8 条记录，以下是 1-8

全选清除导出

排序方式：

基于支持向量机算法的海水叶绿素-a浓度软测量: 近年来，随着经济的高速发展，海洋环境污染导致的海水富营养化问题愈发严重，对海水富营养化状态的有效监测具有重要意义。海水的富营养化导致藻类过度繁殖，监测海水叶绿素-a的浓度可以获取藻类的生长状态。提出了利用支持向量机算法(...; 张颖施佳陆丽; 关键词：支持向量机软测量叶绿素-A

基于ELMR-SVMR的海水水质预警模型研究被引量：3: 2016年; 海水水质预警对海洋环境监控和保护有着重要的意义.极限学习机回归和支持向量机回归(extreme learning machine regression-support vector machine regression,ELMRSVMR)集成预警模型采用预测与评价相结合的方式,实现对未来海水富营养化状况综合预警的目的.其中SVMR方法用于构建海水富营养化评价模型;ELMR用于对未来一段时间的水质状况进行综合预测,ELMR的预测结果作为评价模型的输入变量.集成模型的可靠性直接影响预警的有效性,ELMR-SVMR的可靠性通过分析ELMR预测误差对SVMR评价模型的灵敏度得到.将各参变量的预测误差结果作为评价模型的灵敏度影响参量,通过灵敏度计算可获得对ELMR-SVMR模型的灵敏度评价.通过与其他方法的实验对比及分析,验证了该区域范围内所建ELMR-SVMR预警模型的有效性,为探索建立有效的海水水质预警模型提供了一种新途径.; 张颖李梅高倩倩施佳; 关键词：极限学习机支持向量机海水富营养化

基于支持向量机算法的海水藻类生长状态软测量被引量：1: 2014年; 为了有效监测海水藻类生长状态,采用支持向量机算法对水体中关键表征因子进行软测量.首先采用网格寻优法对支持向量机(SVM)的惩罚因子C和参数σ进行参数寻优,然后利用所得最佳匹配参数通过样本训练,获得海水叶绿素-a浓度的软测量模型.将基于SVM的软测量结果与基于BP神经网络的软测量结果作对比,可以看出,基于SVM的软测量方法具有较好的预测精度和稳定性,可应用于海水藻类生长状态的软测量.; 张颖施佳; 关键词：支持向量机算法参数寻优软测量神经网络

基于ELMR-SVMR的海水水质预警模型研究: 海水水质预警对海洋环境的监控和保护有着重要的意义。ELMR-SVMR(Extreme Learning Machine Regression-Support Vector Machine Regression,极限学习机...; 张颖李梅高倩倩施佳; 关键词：极限学习机支持向量机海水富营养化; 文献传递

基于ELMR-SVMR的海水水质预警模型研究: 海水水质预警对海洋环境的监控和保护有着重要的意义.ELMR-SVMR(Extreme Learning MachineRegression-Support Vector Machine Regression,极限学习机回...; 张颖李梅高倩倩施佳; 关键词：极限学习机支持向量机海水富营养化

基于遗传算法优化神经网络的藻类繁殖状态软测量方法: 2013年; 为了提高BP神经网络模型对海洋藻类生长状态软测量的准确性,提出了一种基于遗传优化算法优化BP神经网络的软测量方法。利用遗传算法优化BP神经网络的权值和阈值,然后训练BP神经网络预测模型以求得最优解,再将该预测结果与传统BP网络预测模型的预测结果进行对比。对仿真结果进行有效性验证后,结果表明,通过这种软测量方法,经遗传算法优化后的BP神经网络可以在更短的时间里创造更高的预测准确性,大大提高了对海洋藻类生长状态预测的效率。; 张颖詹冉施佳; 关键词：软测量遗传算法

基于支持向量机算法的海水叶绿素-a浓度软测量: 近年来,随着经济的高速发展,海洋环境污染导致的海水富营养化问题愈发严重,对海水富营养化状态的有效监测具有重要意义。海水的富营养化导致藻类过度繁殖,监测海水叶绿素-a的浓度可以获取藻类的生长状态。提出了利用支持向量机算法（...; 张颖施佳陆丽; 关键词：支持向量机软测量叶绿素-A; 文献传递

基于ELMR-SVMR的海水富营养化预警模型及其灵敏度分析: 海水富营养化预警对海洋环境的监控和保护有着重要的意义。ELMR-SVMR（Extreme Learning Machine Regression-Support Vector Machine Regression,极限学...; 张颖高倩倩施佳; 文献传递

全选清除导出

共1页<1>

施佳