木材导热系数的支持向量回归预测
根据木材在不同影响因素(密度、含水率和比重)下沿横纹方向(包括径向和弦向)的导热系数的实测数据集,应用基于粒子群算法(PSO)寻优的支持向量回归(SVR)方法,建立了木材沿不同方向的导热系数的预测模型,并与通过类比法(ANA)导出的理论模型和BP神经网络(BPNN)模型进行了比较.结果表明:基于相同的训练样本和检验样本,木材导热系数的SVR模型比其ANA模型或BPNN模型具有更高的预测精度;增加训练样本数有助于提高SVR预测模型的泛化能力;基于留一交叉验证法(LOOCV)的SVR模型预测的最大绝对百分误差(MPE)、平均绝对误差(MAE)和平均绝对百分误差(MAPE)均为最小.因此,SVR是一种预测木材导热系数的有效方法.
木材、导热系数、支持向量机、粒子群算法、留一交叉验证法、回归分析、预测
32
TP183;O551.3(自动化基础理论)
新世纪优秀人才支持计划NCET-07-0903;教育部留学回国人员科研启动基金教外司留[2008]101-1;同济大学校科研和教改项目CSTC;2006BB5240;国家大学生创新性实验计划CQUCX-G-2007-016
2010-04-26(万方平台首次上网日期,不代表论文的发表时间)
共5页
960-964