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:
发热量对煤炭利用日趋重要,文章根据影响煤炭发热量的因素,在不同输入因素条件下,应用支持向量机构建不同预测模型;比较不同模型的预测结果,得出最佳模型及输入因素,确定的支持向量机模型与神经网络模型对比,得出支持向量机预测发热量是可行的,期预测效果好于神经网络.
推荐文章
基于粗糙集神经网络的燃煤发热量预测模型
粗糙集
约简
神经网络
发热量
生物质发热量多元线性回归模型的研究
生物质
发热量
经验公式
回归模型
典型通信机房设备发热量测试分析
通信机房
设备发热量
发热量测试
机房空调
冷负荷
基于遗传算法优化参数的支持向量机燃煤发热量预测
支持向量回归机
遗传算法
神经网络
低位发热量
预测
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 支持向量机预测发热量研究
来源期刊 江西建材 学科
关键词 发热量 支持向量机 预测 效果
年,卷(期) 2015,(11) 所属期刊栏目 工程管理
研究方向 页码范围 259-260
页数 2页 分类号
字数 1924字 语种 中文
DOI
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 李子文 六盘水师范学院化学与化学工程系 7 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  (16)
共引文献  (34)
参考文献  (5)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(3)
  • 参考文献(2)
  • 二级参考文献(1)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(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)
研究主题发展历程
节点文献
发热量
支持向量机
预测
效果
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
江西建材
月刊
1006-2890
36-1104/TU
大16开
江西省南昌市
1981
chi
出版文献量(篇)
34393
总下载数(次)
71
总被引数(次)
178989
论文1v1指导