|
|||||
|
|
| SVM与BP神经网络在石煤提钒行业清洁生产评价中的对比研究 | |
| 引用本文： | 李 佳,刘振宇.SVM与BP神经网络在石煤提钒行业清洁生产评价中的对比研究[J].中南民族大学学报(自然科学版),2018(4):18-21. |
| 作者姓名： | 李 佳 刘振宇 |
| 作者单位： | 中南民族大学 资源与环境学院学院，武汉 430074 |
| 基金项目： | 湖北省自然科学基金资助项目(2016CFC772) |
| 摘 要： | 为比较 BP 神经网络(ANN) 和支持向量机方法(SVM) 两种机器学习方法对清洁生产的评价能力， 以理论原理为基础，比较了两种机器学习算法在应用原理方面的差异．并以石煤提钒生产工艺中水浸工艺为对象， 对 BP
神经网络和支持向量机在清洁生产水平评价上进行了对比研究．结果表明: 支持向量机方法分类精度为 100%; BP神经网络为 90%但易陷入局部最优，因此支持向量机方法在解决小样本评价问题时具有较高的实用价值. |
| 关 键 词： | 清洁生产 石煤提钒 支持向量机 BP 神经网络 评价方法 |
Clean Production Evaluation of Vanadium Extraction from StoneCoal by SVM and BP Neural Network: A Comparative Study |
|
| Abstract: | |
| Keywords: | cleaner production extraction vanadium from stone coal SVM BP-ANN assessment methods |
| 点击此处可从《中南民族大学学报(自然科学版)》浏览原始摘要信息 | |
| 点击此处可从《中南民族大学学报(自然科学版)》下载免费的PDF全文 | |