排序方式： 共有3条查询结果，搜索用时 45 毫秒
1
1.
针对小水电站年发电量序列的特点,将最小二乘支持向量机(least squares support vector machine,LS-SVM)回归模型引入年发电量预测领域,并给出了相应的过程和算法。与常规基于人工神经网络(artificial neural net-works,ANN)的智能预测方法比较,该模型优点是明显的:①将神经网络迭代学习问题转化为直接求解多元线性方程;②整个训练过程中有且仅有一个全局极值点,确定了预测的稳定性。最后,一个实际的预测例子表明:该模型实现容易、预测准确,适用于小水电站预测。 相似文献
2.
针对小水电站年发电量序列的特点，将最小二乘支持向量机（least squares support vector machine, LS-SVM）回归模型引入年发电量预测领域，并给出了相应的过程和算法。与常规基于人工神经网络（artificial neural networks, ANN）的智能预测方法比较，该模型优点是明显的：①将神经网络迭代学习问题转化为直接求解多元线性方程；②整个训练过程中有且仅有一个全局极值点，确定了预测的稳定性。最后，一个实际的预测例子表明：该模型实现容易、预测准确，适用于小水电站预测。 相似文献
3.
基于动态指数平滑模型的小批量制造过程质量预测 总被引：2，自引：0，他引：2
在对传统指数平滑预测模型局限性分析的基础上,通过引入动态平滑参数和动态平滑初值的概念.提出一种能自动适应预测进程的新模型,并将其应用于小批量生产过程的预测补偿控制领域.通过基于最速梯度法的优化算法,模型的动态平滑参数和平滑初值能随着新观测值的加入而自动调整.将该模型作为关键技术应用于柱塞套内孔加工质量预测,并与时序AR模型、灰色GM模型及传统指数平滑模型的结果进行对比,表明提出的模型具有一定的优越性. 相似文献
1