预测混合生物质灰熔点的CV-GA-SVM模型

• 作者: 孙鹏 张海瑞 程世庆 谢敬思
• 来源期刊: 山东大学学报：工学版
• 学科: 工学
• 关键词: 灰熔点 支持向量机 遗传算法 交叉验证 预测
• 年，卷（期）: 2012,（2）
• 所属期刊栏目: 能源与动力工程
• 页码范围: 108-111,123
• 分类号: TK6
• 语种: 中文

摘要

为了更加快速、精确地对混合生物质灰熔点进行预测,利用交叉验证（cross validation,CV）方法进一步优化了前人提出的经遗传算法（genetic algorithm,GA）优化的支持向量机（support vector machine,SVM）回归模型。以灰成分作为输入量,灰熔点为输出量,以单生物质数据训练该模型,对混合生物质灰熔点进行了预测;并与仅经GA优化模型的预测结果进行了比较。研究结果表明：经GA与CV优化的SVM模型对混合生物质灰熔点进行预测,平均绝对误差为25.0℃,平均相对误差为2.7%,比仅经GA优化的SVM模型预测结果更为精确;适当地设置相关参数可以节省程序运行时间。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程世庆	山东大学能源与动力工程学院	29	432	14.0	20.0
2	孙鹏	山东大学能源与动力工程学院	76	306	8.0	16.0
3	谢敬思	山东大学能源与动力工程学院	5	55	4.0	5.0
4	张海瑞	山东大学能源与动力工程学院	4	33	2.0	4.0