基于LS-SVM 对耐高温滤料过滤效率的预测研究
作者：王亮1 王智超2 冯国会1
关键字：PTFE 耐高温滤料 过滤效率 回归预测 最小二乘支持向量机 RBF 神经网络
学校/单位：1 沈阳建筑大学市政与环境工程学院 2 中国建筑科学研究院空调所
发布时间：2012/4/18
论文类型：研究论文
刊登期次：2012年第2期
下载次数：19次
阅读次数：4035次
论文描述：本文主要研究利用最小二乘支持向量机的方法预测耐高温高效滤料在不同测试条件下过滤效率的变化。笔者采用最小二乘支持向量机的方法，以Matlab 作为软件平台，利用lssvmlab 工具箱对于滤料测试的实验数据进行学习，以气体温度、气体流速，上游发尘浓度为输入，滤料过滤效率为输出训练算法，预测不同测试条件下滤料的过滤效率，并且与RBF 神经网络的预测结果进行比较。实例分析表明，与基于RBF 神经网络的耐高温滤料
过滤效率模型相比，基于最小二乘支持向量机的过滤效率模型具有更高的精度，更强的鲁棒性，并且速度更快。