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:
在研究燃煤煤灰成分与其结渣特性之间关系的基础上,提出了基于支持向量机算法的煤灰结渣特性判别模型.该模型将煤灰成分作为输入量,煤灰结渣特性作为输出量,并用离子群优化算法对支持向量机参数进行优化.最后用实测数据对模型进行校验,结果表明,基于支持向量机的煤灰结渣特性判别模型的判别准确率高于采用相同训练集和测试集的其他算法.支持向量机判别速度快,准确率高,有利于提高动力配煤经济性以及锅炉运行安全性.
推荐文章
基于逐步判别与支持向量机方法的沉积微相定量识别
测井解释
沉积微相
支持向量机
特征提取
逐步判别
贝叶斯判别法
基于支持向量机响应面的车身部件声特性优化
响应面法
支持向量机
声学响应
优化
复杂静态负荷特性支持向量机模型的研究
负荷
静态负荷模型
支持向量机
Matlab
基于模糊神经网络的燃煤锅炉炉膛结渣特性研究
燃煤锅炉
炉膛结渣
模糊理论
神经网络
隶属函数
模式识别
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 基于支持向量机的煤灰结渣特性判别
来源期刊 能源研究与利用 学科 工学
关键词 支持向量机 粒子群优化 煤灰结渣特性判别 动力配煤
年,卷(期) 2008,(6) 所属期刊栏目 洁净煤燃烧与发电技术
研究方向 页码范围 13-15
页数 3页 分类号 TK16
字数 2115字 语种 中文
DOI 10.3969/j.issn.1001-5523.2008.06.004
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 丁维明 东南大学能源与环境学院 38 401 11.0 19.0
2 程力 东南大学能源与环境学院 24 145 7.0 11.0
3 薛贵生 东南大学能源与环境学院 1 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (42)
共引文献  (140)
参考文献  (8)
节点文献
引证文献  (3)
同被引文献  (8)
二级引证文献  (5)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(6)
  • 参考文献(0)
  • 二级参考文献(6)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
1998(4)
  • 参考文献(0)
  • 二级参考文献(4)
1999(7)
  • 参考文献(1)
  • 二级参考文献(6)
2000(7)
  • 参考文献(1)
  • 二级参考文献(6)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(5)
  • 参考文献(1)
  • 二级参考文献(4)
2003(7)
  • 参考文献(1)
  • 二级参考文献(6)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(2)
  • 二级参考文献(0)
2007(2)
  • 参考文献(2)
  • 二级参考文献(0)
2008(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)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(1)
  • 引证文献(0)
  • 二级引证文献(1)
2017(2)
  • 引证文献(0)
  • 二级引证文献(2)
2019(1)
  • 引证文献(0)
  • 二级引证文献(1)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
支持向量机
粒子群优化
煤灰结渣特性判别
动力配煤
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
能源研究与利用
双月刊
1001-5523
32-1196/TK
大16开
南京苜蓿园大街52号
28-150
1989
chi
出版文献量(篇)
2506
总下载数(次)
10
论文1v1指导