作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
本文阐述了支持向量回归(SVR)理论及其特性,提出了基于SVR的次年最大震级的预测方法,并对所选样本进行训练和预测,结果与实际值符合较好,理论分析和实例结果验证了基于SVR的震级预测方法比BP神经网络具有更高的预测精度和可靠性.
推荐文章
基于支持向量回归的设备故障趋势预测
支持向量回归
BP神经网络
灰色模型
灰色-AR模型
故障趋势预测
Boosting集成支持向量回归机的滑坡位移预测
支持向量机
Boosting集成
Bagging
滑坡位移
预测
支持向量回归机在铁路客运量时间序列预测中的应用
铁路客运量
ε支持向量回归机
人工神经网络
时间序列预测
阵列波束优化的标准支持向量回归
支持向量机
标准支持向量回归
波束形成
阵列信号处理
阵列波束优化
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 支持向量回归方法在震级预测中的应用
来源期刊 防灾科技学院学报 学科 地球科学
关键词 支持向量回归 震级 预测 BP神经网络
年,卷(期) 2007,(1) 所属期刊栏目 减灾技术研究
研究方向 页码范围 59-62
页数 4页 分类号 P3
字数 3215字 语种 中文
DOI 10.3969/j.issn.1673-8047.2007.01.015
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 于波 1 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
2007(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2008(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
支持向量回归
震级
预测
BP神经网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
防灾科技学院学报
季刊
1673-8047
13-1377/P
大16开
北京东燕郊
1999
chi
出版文献量(篇)
1684
总下载数(次)
1
论文1v1指导