典型文献
基于工业分析预测煤质发热量研究
文献摘要：
为快速准确的预测煤质发热量,基于煤质工业分析数据,以粒子群优化算法(PSO)和支持向量机(SVM)理论为基础,采用PSO算法优化SVM超参数,建立了参数优化的PSO-SVM预测模型.在同等条件下,构建了标准SVM模型和多元线性回归(MLR)模型,并与PSO-SVM模型预测结果进行对比.结果表明,PSO-SVM模型、SVM模型和MLR模型都具有较好的预测效果,测试结果的平均绝对百分误差分别为2.433％,2.956％和3.135％;MLR模型具有较好的建模效果,但泛化性差,测试阶段出现了较大误差;参数寻优显著提高了SVM的预测精度,与线性模型相比,非线性PSO-SVM模型具有更好的泛化性和外推能力,更适合于煤质发热量的预测.
文献关键词：
工业分析;发热量;支持向量机;粒子群优化;多元线性回归
中图分类号：
作者姓名：
宋宜猛
作者机构：
应急管理部信息研究院,北京 100029
文献出处：
引用格式：
[1]宋宜猛-.基于工业分析预测煤质发热量研究)[J].西安科技大学学报,2022(01):70-75
A类：
B类：
分析预测,煤质,发热量,快速准确,工业分析数据,粒子群优化算法,PSO,算法优化,超参数,同等条件,MLR,泛化性,测试阶段,参数寻优,线性模型,外推
AB值：
0.229056
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
