本文主要研究内容
作者任林,王东风（2019）在《基于QPSO优化模糊—SVM的电站锅炉燃煤结渣特性预测》一文中研究指出：选取电站锅炉结渣的7个影响因素作为燃煤结渣特性的判断指标。将5种模糊隶属度函数与支持向量机结合,构成模糊—支持向量机(Support Vector Machine,SVM)模型,并采用量子粒子群算法分别优化隶属度函数的参数,以实际电站锅炉结渣数据作为训练样本对优化后的模型进行训练,并对给定的10组测试样本进行预测。实验结果表明,量子粒子群算法优化后的模型预测准确率显著提高。将5个优化后的模糊—SVM模型组成专家诊断系统,采取投票机制确定燃煤结渣程度,此方法的预测准确度更高,可信度更好。
Abstract
shua qu dian zhan guo lu jie zha de 7ge ying xiang yin su zuo wei ran mei jie zha te xing de pan duan zhi biao 。jiang 5chong mo hu li shu du han shu yu zhi chi xiang liang ji jie ge ,gou cheng mo hu —zhi chi xiang liang ji (Support Vector Machine,SVM)mo xing ,bing cai yong liang zi li zi qun suan fa fen bie you hua li shu du han shu de can shu ,yi shi ji dian zhan guo lu jie zha shu ju zuo wei xun lian yang ben dui you hua hou de mo xing jin hang xun lian ,bing dui gei ding de 10zu ce shi yang ben jin hang yu ce 。shi yan jie guo biao ming ,liang zi li zi qun suan fa you hua hou de mo xing yu ce zhun que lv xian zhe di gao 。jiang 5ge you hua hou de mo hu —SVMmo xing zu cheng zhuan jia zhen duan ji tong ,cai qu tou piao ji zhi que ding ran mei jie zha cheng du ,ci fang fa de yu ce zhun que du geng gao ,ke xin du geng hao 。
论文参考文献
论文详细介绍
论文作者分别是来自山东电力技术的任林,王东风，发表于刊物山东电力技术2019年07期论文，是一篇关于结渣特性论文,模糊论文,量子粒子群算法论文,隶属度函数论文,山东电力技术2019年07期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自山东电力技术2019年07期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：结渣特性论文; 模糊论文; 量子粒子群算法论文; 隶属度函数论文; 山东电力技术2019年07期论文;