海洋预报
海洋預報
해양예보
MARINE FORECASTS
2014年
5期
87-92
,共6页
支持向量回归机%软测量%富营养化%灰色关联分析%样本学习
支持嚮量迴歸機%軟測量%富營養化%灰色關聯分析%樣本學習
지지향량회귀궤%연측량%부영양화%회색관련분석%양본학습
Support Vector Regression%soft sensing%eutrophication%grey relational analysis%sample learning
提出了利用支持向量回归机算法(SVR)建立海水叶绿素-a浓度的软测量方法,采用灰色关联分析法获取叶绿素-a软测量模型的主要辅助测量变量.将基于支持向量回归机的叶绿素-a软测量结果与BP神经网络和T-S模糊神经网络方法进行了对比,结果表明,这种基于支持向量回归机的软测量方法能够有效测量海水叶绿素-a的浓度.
提齣瞭利用支持嚮量迴歸機算法(SVR)建立海水葉綠素-a濃度的軟測量方法,採用灰色關聯分析法穫取葉綠素-a軟測量模型的主要輔助測量變量.將基于支持嚮量迴歸機的葉綠素-a軟測量結果與BP神經網絡和T-S模糊神經網絡方法進行瞭對比,結果錶明,這種基于支持嚮量迴歸機的軟測量方法能夠有效測量海水葉綠素-a的濃度.
제출료이용지지향량회귀궤산법(SVR)건립해수협록소-a농도적연측량방법,채용회색관련분석법획취협록소-a연측량모형적주요보조측량변량.장기우지지향량회귀궤적협록소-a연측량결과여BP신경망락화T-S모호신경망락방법진행료대비,결과표명,저충기우지지향량회귀궤적연측량방법능구유효측량해수협록소-a적농도.
