应用最小二乘支持向量机预测煤的发热量

被引：19

作者：

关跃波 ^{[1
]}

尹涌澜 ^{[2
]}

孙斌 ^{[1
]}

周云龙 ^{[1
]}

刘文静 ^{[3
]}

机构：

[1] 东北电力大学能源与机械工程学院

[2] 吉林大学汽车工程学院热能工程系

[3] 烟台华力热电股份有限公司

来源：

东北电力大学学报 | 2006年 / 06期

关键词：

煤; 发热量; 最小二乘支持向量机; 神经网络;

D O I：

10.19718/j.issn.1005-2992.2006.06.018

中图分类号：

TQ533 [煤的分析与检验];

学科分类号：

082903 [林产化学加工工程];

摘要：

为解决现有的煤发热量预测神经网络法的过学习与局部极小点问题,通过对煤热量数据的分析,在统计学习理论和结构风险最小化准则的基础上,建立了基于最小二乘支持向量机(LS-SVM)的煤发热量预测数学模型。在算例分析中与BP神经网络、RBF神经网络预测法进行对比,发现该方法比BP和RBF神经网络具有更高的预测精度,且具有收敛速度快、泛化能力强等优点,为燃煤发热量的预测提供了一种有效的方法。

引用

页码：66 / 69

页数：4

共 5 条

[1]

Least squares support vector machine classifiers [J].