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:
针对仪器校准间隔的预测问题,提出了基于线性趋势模型和LSSVM的一种新的组合预测方法.该方法综合运用线性趋势模型良好的趋势项拟合能力和LSSVM强大的非线性映射功能,具有很高的预测精度.实例验证表明:该方法优于现有方法.
推荐文章
基于LSSVM与CPSO的瓦斯涌出量组合预测
瓦斯涌出量
非线性组合预测
最小二乘支持向量机,经典粒子群算法
舰艇作战系统校准间隔优化研究
作战系统
校准间隔
集合经验模态分解
最小二乘支持向量机
量子差分进化
BP神经网络
基于小波分析的ARIMA与LSSVM组合的高炉煤气预测
高炉煤气
小波分析
最小二乘支持向量机
ARIMA模型
组合预测
基于小波变换和LSSVM-DE的天然气日负荷组合预测模型
天然气日负荷
小波分解
LSSVM
DE
ANN
小波重构
预测
精度
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 基于线性趋势模型与LSSVM的校准间隔组合预测
来源期刊 传感器与微系统 学科 工学
关键词 校准间隔 线性趋势模型 最小二乘支持向量机 组合预测
年,卷(期) 2010,(9) 所属期刊栏目 研究与探讨
研究方向 页码范围 61-63,66
页数 分类号 TP202+.4
字数 2273字 语种 中文
DOI 10.3969/j.issn.1000-9787.2010.09.020
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (12)
共引文献  (30)
参考文献  (8)
节点文献
引证文献  (6)
同被引文献  (24)
二级引证文献  (13)
1969(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(1)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(4)
  • 参考文献(1)
  • 二级参考文献(3)
2003(2)
  • 参考文献(1)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(6)
  • 参考文献(3)
  • 二级参考文献(3)
2007(2)
  • 参考文献(2)
  • 二级参考文献(0)
2010(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)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(2)
  • 引证文献(2)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(4)
  • 引证文献(0)
  • 二级引证文献(4)
2017(3)
  • 引证文献(1)
  • 二级引证文献(2)
2018(2)
  • 引证文献(0)
  • 二级引证文献(2)
2019(5)
  • 引证文献(0)
  • 二级引证文献(5)
2020(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
校准间隔
线性趋势模型
最小二乘支持向量机
组合预测
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
传感器与微系统
月刊
1000-9787
23-1537/TN
大16开
哈尔滨市南岗区一曼街29号
14-203
1982
chi
出版文献量(篇)
9750
总下载数(次)
43
论文1v1指导