svr 源码搜索结果, 第13页, Verysource

基于SVR和地震属性的构造煤厚度定量预测为了提高谱分解和甜面属性组合预测构造煤厚度的精度和可靠性,利用回归型支持向量机(SVR)的非线性处理能力,将SVR和地震属性相结合,研究采区构造煤厚度定量预测方法。在SVR预测模型建立时,以正演模型数据为基础,通过训练和测试获得SVR预测模型的主要参数;结合井旁道数据,建立了采区构造煤厚度SVR预测模型。通过输入实际谱分解属性和甜面属性,定量预测了构造煤厚度。相对于传统地震属性预测来说,本次所预测的构造煤厚度精度 ...
SVR-Markov复合模型在采空区地表沉降预测中的应用提出了一种支持向量回归机(SVR)-马尔科夫(Markov)复合预测模型,该模型能够更好地反映采空区地表沉降规律,能够比较准确地预测地表沉降量。通过碾子沟煤矿采空区治理工程监测数据与支持向量回归机-马尔科夫复合预测模型与支持向量回归机模型进行对比,证明马尔科夫复合预测模型能够在支持向量回归机模型的基础上提高采空区地表沉降预测的精度。
基于SVR的煤矿安全资源与安全状态作用机理模型针对煤矿安全资源与安全状态的强非线性特征,划分了煤矿系统安全资源和安全状态级别,确定了输入向量集合和输出向量集合,建立了基于支持向量回归机(SVR)的安全资源与安全状态的作用机理模型,并分别利用网格搜索算法(GS)和粒子群算法(PSO)对模型进行了参数寻优,确定了支持向量回归机模型,通过实例分析验证了模型的有效性及适用性。研究结果表明:PSO算法得到的最优参数作为模型,较好地拟合了安全资源与安全状态间的非线性复杂关系,且模型有效性和推广能力更强。
基于SVR的人脸记忆分数预测算法研究.pdf 基于SVR的人脸记忆分数预测算法研究.pdf
基于PLS-SVR的三组分混合气体定量分析为了进一步提高多组分气体分析的准确度,对采用AOTF-NIR光谱仪采集甲烷、乙烷和丙烷多组分混合气体的近红外光谱数据建立了新的分析模型。首先对光谱数据采用偏最小二乘法(以下简称PLS)进行特征提取,随后将提取得到的潜变量作为支持向量回归机(以下简称SVR)的输入建立多组分混合气体的定量分析模型。结果显示,PLS特征提取耦合SVR对近红外光谱的定量分析取得了很好的分析效果。
基于滚动时间窗的ε-SVR煤炭价格预测模型研究从研究煤炭价格序列自身变化规律的角度，提出基于滚动时间窗的ε-SVR预测模型，通过数据重构获得输入与输出样本，随着时间推移，不断更新滚动时间窗的数据内容，从而建立动态的ε-SVR模型预测最新时点的煤炭价格。将此模型应用于秦皇岛港5500kcal混煤价格的预测，分别进行了1期、3期、6期、9期及12期的价格预测，所有预测结果的平均 ...
基于v-SVR算法的岩爆预测分析以预测地下工程岩爆发生为研究目的,在综合影响岩爆的关键因素的基础上,选取地下工程围岩最大切向应力、岩石单轴抗压、抗拉强度、弹性能量指数、围岩切向应力与围岩抗压强度比值、围岩抗压强度与其抗拉强度的比值作为岩爆预测的评判指标,建立了一种基于改进支持向量机算法(v-SVR)的岩爆预测方法,并利用国内外45个岩石地下工程实例进行学习,对另外的16个实例进行了预测,取得了较好的效果,其预测精度明显优于灰色理论和常规SVR算法,与GA-BP神经网络算法相近.
python机器学习库scikit-learn：SVR的基本应用主要介绍了python机器学习库scikit-learn：SVR的基本应用，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
python 机器学习之支持向量机非线性回归SVR模型主要介绍了python 机器学习之支持向量机非线性回归SVR模型，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
基于磷虾群算法优化的SVR-ARMA组合模型的ORP预测算法优化的SVR-ARMA组合预测模型。该改进的组合预测模型把具有较好连续空间非线性寻优性能的磷虾群算法用于SVR模型的参数优化过程，对原始数据进行预测，然后用ARMA模型对SVR模型产生的线性残差进行预测，将两部分的预测值几何相加得到最终预测值。仿真结果表明，与基本SVR模型、KH-SVR模型和SVR-ARMA组合预测模型相比，该改进模型具有更高的预测精度，能够满足对氧化还原电位(ORP)的精准预测。

关键字：svr