您的位置： 专家智库 > >

王晓文

作品数：3 被引量：5H指数：2
供职机构：新疆大学电气工程学院更多>>
发文基金：新疆维吾尔自治区自然科学基金更多>>
相关领域：自动化与计算机技术电气工程化学工程更多>>

合作作者

文献类型

  • 1篇期刊文章
  • 1篇学位论文

领域

  • 1篇化学工程
  • 1篇电气工程
  • 1篇自动化与计算...

主题

  • 2篇支持向量
  • 2篇支持向量回归
  • 2篇燃煤
  • 2篇燃煤锅炉
  • 2篇向量
  • 2篇煤锅炉
  • 2篇锅炉
  • 1篇电厂
  • 1篇优化控制
  • 1篇支持向量回归...
  • 1篇支持向量机
  • 1篇群算法
  • 1篇子群
  • 1篇向量机
  • 1篇粒子群
  • 1篇粒子群算法
  • 1篇结渣
  • 1篇火电
  • 1篇火电厂
  • 1篇基于支持向量...

机构

  • 2篇新疆大学
  • 1篇北京联合大学

作者

  • 2篇王晓文
  • 1篇梁岚珍

传媒

  • 1篇化工自动化及...

年份

  • 2篇2013
共 3 条 记 录，以下是 1-2
全选 清除 导出
排序方式：
基于支持向量机的火电厂燃煤优化控制
本文以新疆某火电厂为背景，针对火力发电行业中优化锅炉燃烧效率、煤场燃煤存储损耗等问题进行了研究，将支持向量机（Support Vector Machine，SVM）作为建模工具，开发了基于支持向量回归（Support V...
王晓文
关键词：燃煤锅炉支持向量回归
文献传递
基于PSO-SVR算法的燃煤锅炉结渣特性预测被引量：2
2013年
针对燃煤锅炉结渣特性的有限样本、非线性和高维数问题,提出了一种基于粒子群优化(PSO)和支持向量回归(SVR)的预测模型。对于支持向量回归机在建模中存在的参数选取问题,采用改进的粒子群算法(PSO)对模型参数进行优化,该方法结合了PSO的快速全局优化能力和SVR的结构风险最小化理论,精确地逼近非线性映射关系的能力。仿真结果表明:相比遗传算法(GA)SVR预测模型和模拟退火(SA)SVR预测模型,PSO-SVR模型预测燃煤锅炉结渣特性具有较高的准确率。
王晓文梁岚珍
关键词：燃煤锅炉粒子群算法支持向量回归机
全选 清除 导出
共1页<1>
聚类工具0