2025年1月7日
星期二
|
欢迎来到青海省图书馆•公共文化服务平台
登录
|
注册
|
进入后台
[
APP下载]
[
APP下载]
扫一扫,既下载
全民阅读
职业技能
专家智库
参考咨询
您的位置:
专家智库
>
>
陈晨
作品数:
1
被引量:0
H指数:0
供职机构:
中国民航大学电子信息与自动化学院
更多>>
相关领域:
自动化与计算机技术
更多>>
合作作者
顾泽龙
中国民航大学电子信息与自动化学...
陈静杰
中国民航大学电子信息与自动化学...
作品列表
供职机构
相关作者
所获基金
研究领域
题名
作者
机构
关键词
文摘
任意字段
作者
题名
机构
关键词
文摘
任意字段
在结果中检索
文献类型
1篇
中文期刊文章
领域
1篇
自动化与计算...
主题
1篇
优化算法
1篇
支持向量
1篇
支持向量回归
1篇
时间序列预测
1篇
子群
1篇
向量
1篇
粒子群
1篇
粒子群优化
1篇
粒子群优化算...
1篇
航站楼
1篇
CO2浓度
机构
1篇
中国民航大学
作者
1篇
陈静杰
1篇
顾泽龙
1篇
陈晨
传媒
1篇
自动化与仪表
年份
1篇
2017
共
1
条 记 录,以下是 1-1
全选
清除
导出
排序方式:
相关度排序
被引量排序
时效排序
基于PSO-SVR航站楼CO2浓度时间序列预测
2017年
针对航站楼CO2浓度时间序列预测中存在历史样本少和高度非线性的特点,该文运用基于支持向量回归SVR的预测建模方法,并利用粒子群优化PSO算法对模型进行参数寻优,对基于机场大气环境数据采集系统采集的航站楼CO2浓度数据建立PSO-SVR预测模型,并从均方误差和平方相关系数2个指标与基于网格搜索法、遗传算法优化的SVR预测模型以及BP神经网络预测模型进行对比。试验结果表明,PSO-SVR模型预测精度高、泛化能力强,适合于航站楼CO2浓度时间序列的预测。
陈静杰
陈晨
顾泽龙
关键词:
支持向量回归
粒子群优化算法
航站楼
时间序列预测
全选
清除
导出
共1页
<
1
>
聚类工具
0
执行
隐藏
清空
用户登录
用户反馈
标题:
*标题长度不超过50
邮箱:
*
反馈意见:
反馈意见字数长度不超过255
验证码:
看不清楚?点击换一张