SVM与BP神经网络在石煤提钒行业清洁生产评价中的对比研究

• 作者: 刘振宇 李佳
• 来源期刊: 中南民族大学学报（自然科学版）
• 学科: 地球科学
• 关键词: 清洁生产 石煤提钒 支持向量机 BP神经网络 评价方法
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 化学与材料科学
• 页码范围: 18-21
• 页数: 4页
• 分类号: X38
• 字数: 3577字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-4321.2018.04.004

摘要

为比较BP神经网络(ANN)和支持向量机方法(SVM)两种机器学习方法对清洁生产的评价能力,以理论原理为基础,比较了两种机器学习算法在应用原理方面的差异.并以石煤提钒生产工艺中水浸工艺为对象,对BP神经网络和支持向量机在清洁生产水平评价上进行了对比研究.结果表明:支持向量机方法分类精度为100％;BP神经网络为90％但易陷入局部最优,因此支持向量机方法在解决小样本评价问题时具有较高的实用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李佳	中南民族大学资源与环境工程学院	32	70	4.0	6.0
2	刘振宇	中南民族大学资源与环境工程学院	9	21	3.0	3.0