CAJ | 학술논문

以耐高温滤料过滤效率的试验数据为基础数据,分别采用LS-SVM、RBF神经网络和BP神经网络3种方法,以空气温度、过滤风速、发尘浓度作为输入,过滤效率作为输出训练算法,预测不同测试条件下滤料的过滤效率,并对3种算法的预测结果进行了对比分析.结果表明,采用LS-SVM无论从预测精度还是运行时间上,预测效果都最为理想；LS-SVM的过滤效率预测模型与RBF、BP神经网络相比,平均绝对百分比误差最小,程序运行时间最短.
이내고온려료과려효솔적시험수거위기출수거,분별채용LS-SVM、RBF신경망락화BP신경망락3충방법,이공기온도、과려풍속、발진농도작위수입,과려효솔작위수출훈련산법,예측불동측시조건하려료적과려효솔,병대3충산법적예측결과진행료대비분석.결과표명,채용LS-SVM무론종예측정도환시운행시간상,예측효과도최위이상；LS-SVM적과려효솔예측모형여RBF、BP신경망락상비,평균절대백분비오차최소,정서운행시간최단.