期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于KPCA-APSO-LSSVM的充填管道磨损风险预测
被引量：
5
1
作者
骆正山
黄仁惠
《有色金属工程》
CAS
北大核心
2021年第3期96-106,共11页
为提高充填管道磨损风险的预测精度,构建基于核主成分分析(KPCA)和自适应粒子群算法(APSO)优化的最小二乘支持向量机(LSSVM)磨损风险预测模型。首先通过KPCA对数据进行特征提取和降维处理,获取影响管道磨损的主要因素,然后应用LSSVM建...
为提高充填管道磨损风险的预测精度,构建基于核主成分分析(KPCA)和自适应粒子群算法(APSO)优化的最小二乘支持向量机(LSSVM)磨损风险预测模型。首先通过KPCA对数据进行特征提取和降维处理,获取影响管道磨损的主要因素,然后应用LSSVM建立磨损风险预测模型,同时利用APSO算法对模型参数进行优化。最后,以黄陵县矿区为例,分析选取12种影响因素,建立充填管道磨损风险指标体系,借助MATLAB进行仿真训练与预测,并对预测结果进行对比分析。结果表明:KPCA-APSO-LSSVM模型与其他模型相比具有更高的预测精度及更强的泛化能力,是一种更为有效的磨损风险预测方法。
展开更多
关键词
核主成分分析(KPCA)
自适应粒子群算法(APSO)
最小二乘支持向量机(LSSVM)
管道磨损风险
在线阅读
下载PDF
职称材料
题名
基于KPCA-APSO-LSSVM的充填管道磨损风险预测
被引量：
5
1
作者
骆正山
黄仁惠
机构
西安建筑科技大学
出处
《有色金属工程》
CAS
北大核心
2021年第3期96-106,共11页
基金
国家自然科学基金资助项目(41877527)
陕西省社科基金项目(2018S34)。
文摘
为提高充填管道磨损风险的预测精度,构建基于核主成分分析(KPCA)和自适应粒子群算法(APSO)优化的最小二乘支持向量机(LSSVM)磨损风险预测模型。首先通过KPCA对数据进行特征提取和降维处理,获取影响管道磨损的主要因素,然后应用LSSVM建立磨损风险预测模型,同时利用APSO算法对模型参数进行优化。最后,以黄陵县矿区为例,分析选取12种影响因素,建立充填管道磨损风险指标体系,借助MATLAB进行仿真训练与预测,并对预测结果进行对比分析。结果表明:KPCA-APSO-LSSVM模型与其他模型相比具有更高的预测精度及更强的泛化能力,是一种更为有效的磨损风险预测方法。
关键词
核主成分分析(KPCA)
自适应粒子群算法(APSO)
最小二乘支持向量机(LSSVM)
管道磨损风险
Keywords
kernel principal component analysis(KPCA)
adaptive particle swarm optimization(APSO)
least squares support vector machine(LSSVM)
pipe wear risk
分类号
TD853.34 [矿业工程—金属矿开采]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于KPCA-APSO-LSSVM的充填管道磨损风险预测
骆正山
黄仁惠
《有色金属工程》
CAS
北大核心
2021
5
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
