文献

J-GLOBAL ID：201702220085249560   整理番号：17A1314912

CBRとSVRに基づく生化学的酸素要求量予測モデル【JST・京大機械翻訳】

Prediction Model for Biochemical Oxygen Demand Based on CBR and SVR

著者 (4件)： Yan Aijun (北京工業大学信息学部自動化学院,北京100124;計算智能与智能系統北京市重点実験室,北京100124;数字社区教育部工程研究中心,北京100124) ,  Ni Pengfei (北京工業大学信息学部自動化学院,北京100124;数字社区教育部工程研究中心,北京100124) ,  Yu Yuanhang (北京工業大学信息学部自動化学院,北京100124;数字社区教育部工程研究中心,北京100124) ,  Wang Pu (北京工業大学信息学部自動化学院,北京100124;数字社区教育部工程研究中心,北京100124;城市軌道交通北京実験室,北京100124)
資料名： Huadong Ligong Daxue Xuebao. Ziran Kexue Ban  (Huadong Ligong Daxue Xuebao. Ziran Kexue Ban)
巻： 43  号： 2  ページ： 227-233  発行年： 2017年 
JST資料番号： C2920A  ISSN： 1006-3080  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 廃水処理過程における生化学的酸素要求量(BOD)濃度のリアルタイム監視が難しい問題に対して、サポートベクトル回帰(SVR)修正方法に基づく事例推論(CBR)予測モデルを構築した。本モデルは主に事例検索、事例再利用、SVR修正、事例保存などの4つの部分を含み、その中で、SVR修正モデルは歴史的データ構造を利用して修正事例データベースを構築し、SVR訓練を用いて得られ、従来のCBRモデルによるBOD濃度の提案値を修正できる。実験結果により,本モデルの適合誤差は,サポートベクトルマシン(SVM),BPニューラルネットワーク,RBFニューラルネットワークおよび従来のCBR方法より優れており,そして,SVR修正の導入は,CBRの回帰性能を改善し,CBRの学習能力を改善することができた。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 廃水処理 ,  再利用 ,  データ構造 ,  *BOD【水質】 ,  データベース ,  *予測モデル ,  サポートベクトルマシン
準シソーラス用語： 学習能力 ,  動径基底関数ニューラルネットワーク ,  逆伝播ニューラルネットワーク ,  事例検索 ,  サポートベクトル回帰 ,  リアルタイムモニタリング , 【Automatic Indexing@JST】

著者キーワード (4件)： biochemical oxygen demand ,  support vector regression ,  case-based reasoning ,  case revision

分類 (3件)： 人工知能  (JE08000Z) ,  製鋼  (WD01060A) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (4件)： CBR ,  SVR ,  生化学的酸素要求量 ,  予測モデル